Journal: Elsevier 2015,
داده های بزرگ بعنوان یک مشکل بسیار مهم برای بخش بزرگی از تحقیقات در زمینه هایی مانند ، داده کاوی، یادگیری ماشین، هوش محاسباتی، ترکیب اطلاعات، وب معنایی و شبکه های اجتماعی است. رشد چارچوب های داده های بزرگ از قبیل هادوپ آپاچی و اخیرا اسپارک برای پردازش داده های خیلی بزرگ به منظور استفاده کارا از الگوریتم¬های داده کاوی و الگوریتم های یادگیری ماشین در حوزه های مختلف انجام شده است. برخی از کتابخانه های نرم افزاری مانند Mahout و SparkMLib برای توسعه کاربردهای مختلف مبتنی بر الگوریتم¬های یادگیری ماشین توسعه یافته اند. ترکیب تکنولوژی داده های بزرگ و الگوریتم های یادگیری ماشین سنتی بعنوان یک چالش جدید در شبکه های و رسانه های اجتماعی است. این چالش ها اغلب بر روی یک مشکل مانند، پردازش داده، ذخیره داده، نمایش داده، چگونگی استفاده از الگو های داده کاوی، تجزیه و تحلیل رفتار کاربران ، بصری سازی و پیگیری داده و مواردی از این قبیل استفاده می شود. در این مقاله ، ما یک روش شناسی جدید ارائه می دهیم که به ما اجازه می دهد تا یک داده کاوی کارا را ایجاد کرده و امکان ترکیب اطلاعات به دست آمده از رسانه های اجتماعی را فراهم نماییم. همچنین کاربردها و چارچوب های جدید که در حال حاضر در زیر سایه شبکه های اجتماعی ، رسانه های اجتماعی و الگوهای داده های بزرگ استفاده می شوند را معرفی می کنیم. همچنین کاربردها و چارچوب های جدید که در حال حاضر در زیر سایه شبکه های اجتماعی، رسانه های اجتlاعی و الگو های داده های بزرگ استفاده می شوند، معرفی می شوند.