Resumen

Recientemente, hay una tendencia creciente en el análisis de big data que se enfoca en los interiores del comportamiento, los cuales se refieren a los significados semánticos (por ejemplo, sentimiento, controversia y otros factores dependientes del estado) para explicar los comportamientos humanos desde la psicología, sociología, ciencia cognitiva, entre otros, en lugar de los datos en sí mismos como en el caso de las dimensiones exteriores. Es más intuitivo y mucho más fácil entender los comportamientos humanos con menos redundancia en conceptos al explorar las dimensiones interiores del comportamiento, en comparación con el uso directo de los comportamientos exteriores. Sin embargo, suelen abordarse desde una perspectiva unidimensional con una falta de sentido de interrelación. Por lo tanto, integrar múltiples dimensiones del comportamiento en medidas numéricas para formar una vista más completa para procesos de predicción posteriores se convierte en un tema crucial. Además, estos estudios suelen centrarse en la magnitud pero descuidan las características temporales asociadas. En este documento, proponemos un método

• Materias:Big Data Restricciones distribuidas Algoritmo de inferencia Gestión administrativa
• Subjects:Big Data Distributed constraints Inference algorithm Administrative management
• Palabras claves:Análisis de big data; Interiores de comportamiento; Significados semánticos; Comportamientos humanos; Dimensiones de comportamiento; Características temporales
• Keywords:Big data analysis; Behavior interiors; Semantic meanings; Human behaviors; Behavior dimensions; Temporal features