Mạng xã hội ngày càng đóng vai trò rất to lớn và không thể thay thế trong thời đại số hiện nay. Việc sử dụng có hiệu quả dữ liệu mạng xã hội cho các dịch vụ thông tin đa dạng trong phát triển kinh tế, xã hội, khoa học và giáo dục. Dữ liệu mạng xã hội, chẳng hạn như Facebook, Tweeter hay Zalo điều cơ bản được biểu diễn theo mô hình dữ liệu đồ thị với các liên kết định kiểu giữa các đối tượng thông tin.
TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ, Trường Đại học Khoa học, ĐH Huế Tập 15, Số (2020) CHUYỂN ĐỔI VÀ PHÂN TÍCH DỮ LIỆU MẠNG XÃ HỘI VỚI MƠ HÌNH DỮ LIỆU RDF Hồng Hữu Hạnh*, Phạm Vũ Minh Tú, Vũ Tiến Thành, Ngô Tiến Đạt Học viện Cơng nghệ Bưu Viễn thơng *Email: hoanghuuhanh@ptit.edu.vn Ngày nhận bài: 18/11/2019; ngày hoàn thành phản biện: 28/11/2019; ngày duyệt đăng: 20/12/2019 TĨM TẮT Mạng xã hội ngày đóng vai trị to lớn khơng thể thay thời đại số Việc sử dụng có hiệu liệu mạng xã hội cho dịch vụ thông tin đa dạng phát triển kinh tế, xã hội, khoa học giáo dục Dữ liệu mạng xã hội, chẳng hạn Facebook, Tweeter hay Zalo biểu diễn theo mơ hình liệu đồ thị với liên kết định kiểu đối tượng thơng tin Trong đó, RDF Linked Data tiêu chuẩn liệu dựa mô hình liệu ba làm sở cho mạng ngữ nghĩa, thể tính hiệu biểu diễn mô tả tài nguyên kiệu không gian Web Việc chuyển đổi liệu mạng xã hội biểu diễn dạng RDF/Linked Data góp phần tạo nên tảng liệu liên kết có ý nghĩa góp phần việc nâng cao hiệu việc phân tích liệu mạng xã hội Từ khóa: Facebook, Linked Data, Mạng xã hội, Phân tích liệu, RDF MỞ ĐẦU Mạng xã hội (social network) trở thành phần quan trọng xã hội kinh tế số Tính đa dạng liệu mạng xã hội tính dễ kết nối, dễ mở rộng “mạng lưới” thơng qua liên kết thông tin liệu, tốc độ sản sinh chia sẻ liệu mạng xã hội đưa liệu mạng xã hội thành kho liệu phân tán lớn Nguồn liệu trở thành môi trường số quan trọng tồn song song với xã hội thực tế, ảnh hưởng lớn đến vấn đề thực tế với cách thức thông tin chia sẻ, phân phát tính đa dạng mở Mạng xã hội (MXH) hay liệu mạng xã hội trở thành nguồn thông tin lực hoạt động xã hội số nay, từ tin tức, thông tin quảng bá, quảng cáo, truyền thông, v.v< ảnh hưởng đến người cách thức giao tiếp sử dụng nguồn thông tin vô lớn Việc phân tích liệu mạng xã hội vấn đề ln có tính thời cấp thiết nhằm cung Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF cấp thơng tin hữu ích, xác dự đoán dự báo trào lưu diễn mạng xã hội Xét khía cạnh khoa học, liệu mạng xã hội Dữ liệu Lớn (Big Data) với tính chất dung lượng lớn (Volume), tính dạng liệu thông tin (Variety), tốc độ cung cấp liệu mạng xã hội (Velocity), nhiên tính xác đáng tin cậy (Veracity) liệu mạng xã hội vấn đề Nếu xét theo phạm vi nhỏ, người cung cấp thông tin cá nhân mình, chủ quan có xác; nhiên, liệu cung cấp MXH thường không xuất phát từ cá nhân sử dụng MXH mà có từ chia sẻ nguồn liệu Internet khác Việc phân tích phân loại phục vụ lọc thông tin vấn đề triển khai ứng dụng, nhiên, tính chất ngữ nghĩa bị hạn chế tiếp cận phân tích liệu theo tiếp cận sử dụng phương pháp truyền thống khai phá liệu hay phân tích tốn học thơng thường Trong đó, Dữ liệu mạng xã hội biểu diễn thường kèm với lượt đồ hay từ vựng đại diện cho tri thức miền Do phương pháp truyền thống chưa khám phá hết thông tin liên kết giàu ngữ nghĩa liệu MXH [1] Nhằm cung cấp tiếp cận chuyển đổi biểu diễn liệu MXH giàu ngữa nghĩa phục vụ phân tích liệu hiệu hơn, báo đề xuất phương pháp giới thiệu mơ hình xử lý phân tích liệu MXH theo tiếp cận biểu diễn xử lý theo ngữ nghĩa liệu dựa RDF Bài báo đề cập đến: - Thu thập đữ liệu MXH từ mạng xã hội Facebook theo chế bán thời gian thực chuyển đổi sang dạng biểu diễn giàu ngữ nghĩa RDF sử dụng tri thức có FOAF [2]; - Phát triển phương pháp xử lý liệu MXH dựa hình thức biểu diễn liệu MXH theo mơ hình RDF [3] Với nội dụng trên, cấu trúc báo chia thành phân sau: mơ hình liệu RDF giới thiệu phần Phần đề xuất hệ thống chuyển đổi xử lý liệu MXH nói chung Và cuối cùng, phát triển hệ thống kết thực nghiệm trình bày phần MƠ HÌNH DỮ LIỆU RDF CHO DỮ LIỆU MẠNG XÃ HỘI 2.1 Mơ hình liệu RDF Mơ hình RDF gồm ba đối tượng sau: - Tài nguyên (Resources): tất mơ tả biểu thức RDF Nó trang Web, phần trang web hay tập trang Web TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, Trường Đại học Khoa học, ĐH Huế Tập 15, Số (2020) - Thuộc tính (Properties): thuộc tính, đặc tính, quan hệ dùng để mơ tả tính chất tài ngun - Giá trị (Value): giá trị gán cho thuộc tính Mơ hình RDF mơ tả tài ngun thơng qua phát biểu (Statements), phát biểu ba , gồm ba thành phần sau : - S (Subject - Chủ thể): địa hay vị trí tài nguyên muốn mô tả, xác định bời URI - P (Predicate - Vị từ/thuộc tính): xác định tính chất tài nguyên, xác định URI - O (Object - Đối tượng): nội dung gán cho thuộc tính, tài ngun giá trị literal Bộ ba RDF Mỗi phát biểu (subject, predicate, object) cịn gọi ba (triple) Ví dụ: Xét phát biểu sau: “http://www.example.org/index.html has a creator whose value is John Smith.” Phát biểu phân thành phần sau: Subject http://www.example.org/index.html Predicate http://purl.org/dc/elements/1.1/creator Object http://www.example.org/staffid/85740 Chúng ta biết URI dùng để mô tả Web, phát biểu thay phải dùng từ “creator” “John Smith”, ta dùng URI “http://purl.org/dc/elements/1.1/creator” “http://www.example.org/staffid/85740” để mô tả cho khái niệm Đồ thị RDF Tập triple hợp lại tạo thành đồ thị RDF (RDF Graph) Các node đồ thị subject object triple cung đồ thị predicate Hình Mối quan hệ thành phần ba RDF 2.2 Mơ hình RDF dựa XML (RDF/XML) Cú pháp RDF/XML Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF Mơ hình RDF thể mơ hình mức trừu tượng để định nghĩa metadata Cấu trúc RDF dựa cú pháp XML hoạ ví dụ sau Ví dụ: Xét phát biểu : ex:index.html exterms:creation-date "August 16, 1999" Một cú pháp RDF/XML để biểu diễn cho phát biểu sau: August 16, 1999 rdf:resource Đối với máy tính, việc sử dụng tên giống trùng lặp; chẳng hạn Le Huynh B người dạy mơn có mã số CIT3112 khơng phải người có ID 949318 người gọi tên Le Huynh B Điều cần đặc tả hình thức điều này, ví dụ giảng viên mơn CIT1111 giảng vên có số mã 949318, người có tên Le Huynh B Chúng ta đạt điều cách sử dụng tham số rdf:resource sau: Discrete Mathematics Le Huynh B Associate Professor rdf:type Trong ví dụ, mơ tả tập trung vào hai mục khoá học (course) giảng viên (lecturers) Điều rõ rang với người, lại không khai báo cách hình thức đâu, so khơng thể máy tính xử lý TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ, Trường Đại học Khoa học, ĐH Huế Tập 15, Số (2020) Trong RDF, phát biểu để giúp làm việc cách sử dụng thành phần rdf:type Ví dụ sau hai mơ tả chứa thông tin kiểu tài nguyên Discrete Mathematics David Billington Associate Professor 2.3 Truy vấn liệu RDF với SPARQL SPARQL – Simple Protocol And RDF Query Language ngôn ngữ truy vấn giao thức trao đổi liệu RDF W3C SPARQL phát triển dựa ngôn ngữ RDF trước rdfDB, RDQL SeRQL, bổ sung số đặc tính [4] SPARQL sử dụng để tạo truy vấn nguồn liệu đa dạng, cho dù liệu lưu giữ cách đơn RDF hay xem RDF thông qua phần mền trung gian Các kho liệu RDF liệu MXH chứa nhiều đồ thị RDF thông tin ghi đồ thị cho phép ứng dụng để thực truy vấn có liên quan đến thơng tin từ nhiều đồ thị Một Tập liệu RDF (RDF datasset) đại diện cho tập hợp đồ thị Nó bao gồm đồ thị mặc định (defaut graph) khơng có có nhiều đồ thị đặt tên (named graph) Trong đồ thị đặt tên định danh URI Đồ thị sử dụng cho việc đối sánh basic mẫu đồ thị sở đồ thị hoạt động (active graph).Ở phần trước tất truy vấn thực thi đơn đồ thị điều có nghĩa đồ thị mặc định RDF Dataset đồ thị hoạt động Định nghĩa Tập liệu RDF không hạn chế mối quan hệ đồ thị đặt tên đồ thị mặc định Thơng tin lặp lặp lại đồ thị khác mối quan hệ đồ thị đươc phơi bày Có hai ý hữu dụng mà ta cần xem xét: Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF - Để có thơng tin đồ thị mặc định phải bao gồm thông tin gốc đồ thị đặt tên - Nên bao gồm thông tin đồ thị đặt tên đồ thị mặc định Hình Minh hoạ truy xuất đồ thị RDF dataset Khi truy vấn tập hợp đồ thị, từ khóa GRAPH sử dụng để đối sánh mẫu với đồ thị đặt tên GRAPH cung cấp IRI để lựa chọn đồ thị hoặc sử dụng biến IRI truy vấn RDF Dataset Xét ví dụ với hai đồ thị với liệu MXH (profile) sau: # Named graph: http://example.org/foaf/aliceFoaf @prefix foaf: @prefix rdf: @prefix rdfs: _:a foaf:name "Alice" _:a foaf:mbox _:a foaf:knows _:b _:b foaf:name "Bob" _:b foaf:mbox _:b foaf:nick "Bobby" TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, Trường Đại học Khoa học, ĐH Huế Tập 15, Số (2020) _:b rdfs:seeAlso rdf:type foaf:PersonalProfileDocument # Named graph: http://example.org/foaf/bobFoaf @prefix foaf: @prefix rdf: @prefix rdfs: _:z foaf:mbox _:z rdfs:seeAlso _:z foaf:nick "Robert" rdf:type foaf:PersonalProfileDocument Sử dụng truy vấn SPARQL truy vấn thông tin “lệch” lưu trữ profile cho trên: PREFIX foaf: SELECT ?src ?bobNick FROM NAMED FROM NAMED WHERE { GRAPH ?src { ?x foaf:mbox ?x foaf:nick ?bobNick } } Sẽ cho kết là: scr bobNick http://example.org/foaf/aliceFoaf "Bobby" http://example.org/foaf/bobFoaf "Robert" Xem xét ví dụ khác, ta xét truy vấn khác dựa tập liệu MXH dạng RDF cho trên: Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF PREFIX data: PREFIX foaf: PREFIX rdfs: SELECT ?mbox ?nick ?ppd FROM NAMED FROM NAMED WHERE { GRAPH data:aliceFoaf { ?alice foaf:mbox ; foaf:knows ?whom ?whom foaf:mbox ?mbox ; rdfs:seeAlso ?ppd ?ppd a foaf:PersonalProfileDocument } GRAPH ?ppd { ?w foaf:mbox ?mbox ; foaf:nick ?nick } } Kết truy vấn: mbox nick ppd "Robert" Kết cho thấy cách thức truy vấn liệu MXH dạng RDF thể truy vấn SPQARQL thuận lợi cách để kiểm chứng thông tin KIẾN TRÚC HỆ THỐNG KHUNG XỬ LÝ Hệ thống Chuyển đổi Phân tích liệu mạng xã hội (gọi tên iSDA) thiết kế với mục tiêu thu thập nguồn liệu mạng xã hơi, sau chuyển đổi biểu diễn dạng RDF ứng dụng phương pháp phân tích liệu MXH Hệ thống iSDA nhắm đến tác vụ sau: TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, Trường Đại học Khoa học, ĐH Huế Tập 15, Số (2020) Thu thập liệu MXH theo chế bán thời gian thực; Xử lý chuyển đổi liệu sang dạng biểu diễn giàu ngữ nghĩa; Tích hợp Phân tích liệu MXH theo mơ hình RDF 3.1 Module cho Thu thập liệu Mạng xã hội Dữ liệu mạng xã hội thu thập thông qua crawler lập trình để qt nhóm người sử dụng, fanpage, kênh theo đặc thù MXH phổ biến Việt Nam Facebook khơng cung cấp API để giao tiếp thu thập thơng tin dễ dàng, đó, đề tài đề xuất mơ hình crawler (social media crawler) phù hợp để quét liệu MXH có trọng tâm theo chế bán thời gian thực Dữ liệu Facebook dạng liệu đồ thị (graph data), việc chuyển đổi qua mơ hình liệu RDF chuyển đổi tự nhiên giữ mối quan hệ mang thông tin liệu đặc trưng liệu MXH Một chế crawling liệu đồ thị hướng tiếp cận đề tài đề xuất Hình Kiến trúc hệ thống chuyển đổi xử lý liệu dựa công nghệ Web ngữ nghĩa 3.2 Module cho Xử lý Chuyển đổi liệu MXH Như vừa đề cập trên, liệu MXH dạng đồ thị, liên kết đối tượng liệu liệu MXH liên kết đối tượng với đối tượng, tức mối quan hệ có thơng tin liệu mang ngữ nghía Việc biểu diễn liệu MXH Facebook dùng chế mơ hình biểu diễn truyền thống làm ngữ nghĩa có liệu MXH mà ta thu thập Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF Việc xử lý sơ liệu thu thập đảm bảo tính ngữ nghĩa liệu mối quan hệ, đề tài đề xuất xây dựng mơ hình biểu diễn liệu thông tin MXH thu thập gồm phần: - Các ontology miền: đóng vai trị sở tri thức biểu diễn không gian khái niệm có MXH sử dụng lại liên đến đến không gian sở tri thức định nghĩa mạng liệu liên kết toàn cầu (Linked Open Data cloud) Một phần quan trọng sở tri thức Máy suy diễn dựa tri thức miền - Dữ liệu MXH thu thập xử lý (làm sạch) chuyển đổi sang dạng RDF/Linked Data đảm bảo ngữ nghĩa liệu bảo tồn mối quan hệ thơng tin đối tượng đặc tính quan liệu MXH Mơ hình liệu RDF/Linked Data/OWL mơ hình liệu ba (tripple) bao gồm ; S Subject chứa URI tài nguyên (đối tượng liệu), P thuộc tính (Propoerty) S, biểu diễn ngữ nghĩa S có giá trị O (object) giá trị Literal tài nguyên (đối tượng liệu) khác Ví dụ: “Hanh Hoang” “Happy” 3.3 Module cho Tích hợp Phân tích liệu MXH Dữ liệu sau chuyển đổi (và lưu trữ CSDL ngữ nghĩa Triple Store) xử lý tích hợp theo hình thức mashup: ánh xạ thuộc tính ngữ nghĩa từ ontology miền miền tri thức theo ngữ cảnh để xử lý Việc truy xuất CSTT ontology sử dụng chế suy diễn để tìm mối quan hệ thông tin ẩn chứa liệu MXH; Việc biểu diễn liệu MXH theo mơ hình RDF/Linked Data cho phép biểu diễn giàu ngữ nghĩa liệu thông tin thơng qua thuộc tính khái niệm tri thức miền Các thuật tốn phân tích liệu cho liệu dạng RDF/Linked Data phát triển để tận dụng tối hình thức biểu diễn này, qua tri thức miền ontology Các thuật tốn phân tích liệu MXH theo hình thức mơ hình biểu diễn giàu ngữ nghĩa tập trung vào: việc phân cụm liệu dự báo xu hướng luồng thông tin MXH 10 TẠP CHÍ KHOA HỌC VÀ CƠNG NGHỆ, Trường Đại học Khoa học, ĐH Huế Tập 15, Số (2020) iSDA - HỆ THỐNG PHÂN TÍCH DỮ LIỆU MẠNG XÃ HỘI FACEBOOK 4.1 Thu thập liệu Dữ liệu mạng xã hội đóng vai trị quan trọng kỷ nguyên cách mạng công nghiệp 4.0 Dữ liệu mạng xã hội hay nguồn liệu biểu diễn dạng liệu đồ thị Việc sử dụng RDF để chuyển đổi liệu mạng xã hội báo chí liệu tiếp cận tự nhiên Các nguồn liệu thu thập từ Facebook với 88 Triệu tài khoản Facebook; Triệu groups; Triệu pages; 30 Triệu tín hiệu/ngày Các dạng liệu Facebook: Posts/Pictures/Videos, Likes/Shares/Comments - - Hệ thống iSDA thu thập: o Blog/news/forum: 900 đầu báo thống, 100 trang tổng hợp tin tức, 88 Forum, 150 Blog o Các loại liệu thu thập được: Bài báo, Bài viết/Hình ảnh/Videos, Bình luận, cảm xúc, Tống số lượng thu thập: o 30 triệu viết / ngày từ nguồn MXH, Báo chí, Forums, Blog o Dễ dàng bổ sung nguồn liệu , tài khoản FB, trang báo chí, forum, blog cần theo dõi , thu thập liệu o Lưu trữ liệu trực tiếp hệ thống , xem đ ợc nội dung viết bị xóa Do phát triển hệ thống phân tích liệu mạng xã hội nhằm cung cấp giải pháp tổng thể thu thập phân tích từ nhiều nguồn liệu khác Mạng xã hội, báo chí,< Cho phép theo dõi nhân vật chủ đề kiện cần lưu ý, tự động cảnh báo phát vấn đề hỗ trợ phân tích cảnh báo sớm khủng hoảng truyền thơng 4.2 Các thành phần hệ thống Kiến trúc hệ thống Phân tích liệu Mạng xã hội bao gồm module sau: Thu thập liệu: thu thập liệu từ nguồn liệu xác định chuyển đổi qua mơ hình RDF/Linked Data [5][7] Khai phá Phân tích liệu: Sử dụng SPARQL phương pháp để tổng hợp phân tích liệu [4][6] 11 Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF Lưu trữ truy vấn: lưu trữ mơ hình liệu vật lý hệ quản trị sở liệu cho mơ hình ba RDF Linked Data [8] Và cung cấp ứng dụng: cung cấp khung nhìn thơng tin trích xuất liệu 4.3 Các tính hệ thống Hệ thống iSDA host địa http://222.255.146.19:8888, cung cấp tính sau: Phân tích xu hướng chủ đề kiện Thu thập cập nhập thông tin từ mạng xã hội , báo chí , forums blogs Quản lý, thống kê nguồn thông tin Theo dõi, cảnh báo thơng tin Hình Dashboard thị thông tin liệu thổng hợp với biểu đồ số lượng thống kế viết Facebook 12 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, Trường Đại học Khoa học, ĐH Huế Tập 15, Số (2020) Hình Kết hệ thống tự động thu thập theo dõi biểu tình Hongkong từ 01/07/2019 đến 05/07/2019 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN Bài báo trình bày kết nghiên cứu ứng dụng mơ hình hố liệu với thơng tin ngữ nghĩa Mơ hình RDF/Linked Data đáp ứng yêu cầu cho việc biểu diễn phân tích liệu với trích dẫn thích ngữ nghĩa liệu mạng xã hội Việc triển khải hệ thống iSDA vào thực tiễn đóng góp thực tiễn báo Trong tương lại, nhóm tác giả tập trung đẩy mạnh nghiên cứu phương pháp phân tích liệu cải tiến để tận dụng lợi việc biểu diễn theo ngữ nghĩa 13 Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF TÀI LIỆU THAM KHẢO [1] Paolillo, J C., & Wright, E (2006) Social network analysis on the semantic web: Techniques and challenges for visualizing FOAF In Visualizing the semantic web (pp 229-241) [2] FOAF ontology (2014) Website: http://xmlns.com/foaf/spec/ [3] Resource Description Framework (RDF) (2014) Website: https://www.w3.org/RDF/ [4] SPARQL 1.1 Query Language (2013) Website: https://www.w3.org/TR/sparql11-query/ [5] M San Martín and C Gutierrez (2009) Representing, Querying and Transforming Social Networks with RDF/SPARQL, Proc ESWC Boston, LNCS 5554, pp 293-307 [6] S Elbassuoni, M Ramanath, R Schenkel, G Weikum (2010) Searching RDF Graphs with SPARQL and Keywords, IEEE Data Eng Bull., 33(1), pp.16-24 [7] Linked Data (2019) Website: https://www.w3.org/standards/semanticweb/data [8] Apache Jena (2019) Website: https://jena.apache.org/ SOCIAL NETWORK DATA TRANSFORMATION AND ANALYSIS USING RDF DATA MODEL Hoang Huu Hanh*, Pham Vu Minh Tu, Vu Tien Thanh, Ngo Tien Dat Posts and Telecommunications Institute of Technolgy *Email: hoanghuuhanh@ptit.edu.vn ABSTRACT Social networks play important rols in our present digital age Effectively using social networks’ data can contribute into the eco-socio development throught its diversity of information in economic, social and educational areas The social networks’ data such as Facebook, Tweeter or Zalo are basically presented in the form of graph data model with links between information objects or data items Meanwhile, RDF or Linked Data are standards for data modelling in triple model which forming a foundation for semantic networks and showing its effectiveness in resoure representation in our Web data space Therefore, transforming social network data into the representation of RDF/Linked Data eventually makes a meaningful linked data foundation in advancing social data analysis Keywords: Facebook, Linked Data, Social network, Data analysis, RDF 14 TẠP CHÍ KHOA HỌC VÀ CÔNG NGHỆ, Trường Đại học Khoa học, ĐH Huế Tập 15, Số (2020) Hoàng Hữu Hạnh sinh ngày 13/04/1974 Huế Năm 1996, ông tốt nghiệp Cử nhân ngành Toán-Tin học Trường Đại học Sư phạm Huế, Thạc sĩ khoa học ngành Công nghệ thông tin Trường Đại học Bách khoa Hà Nội Năm 2007, ông nhận học vị Tiến sĩ chuyên ngành Hệ thống thông tin Trường Đại học Công nghệ Vienna, Cộng hồ Áo Năm 2012, ơng nhận Chức danh Phó giáo sư Việt Nam Từ năm 1996-2018 đến nay, ông Giảng viên Khoa Công nghệ Thông tin, Trường ĐH Khoa học Huế; đồng thời đảm tách nhiệm vụ quản lý Đại học Huế từ 2008 đến 2018 Từ tháng 10 năm 2018 ông Giảng viên cao cấp Học viện Cơng nghệ Bưu Viễn thông (PTIT) Hiện Giám đốc Trung tâm Đào tạo Quốc tế PTIT Lĩnh vực nghiên cứu: Biểu diễn tri thức, Web ngữ nghĩa, Linked Data, Ontology, Công nghệ phần mềm, Công nghệ liệu, Quản lý quy trình nghệp vụ Phạm Vũ Minh Tú sinh ngày 30/09/1990 thành phố Hà Nội Năm 2013, ông tốt nghiệp kỹ sư ngành Kỹ thuật Điện – Điện tử Học Viện Cơng Nghệ Bưu Chính Viễn Thơng Năm 2015, ông tốt nghiệp thạc sĩ chuyên ngành Kỹ thuật Viễn Thơng trường Học Viện Cơng Nghệ Bưu Chính Viễn Thông Từ năm 2015 đến nay,ông giảng dạy trường Học Viện Cơng Nghệ Bưu Chính Viễn Thơng Lĩnh vực nghiên cứu: Truyền thông quang không dây, Xử lý tín hiệu số, Dữ liệu đa phương tiện Vũ Tiến Thành sinh ngày 02/01/1991 Thành phố Hà Nội Năm 2013, ơng tốt nghiệp Cử nhân ngành Báo chí Truyền thông Trường Đại học Khoa học Xã hội & Nhân Văn, Đại học QGHN Năm 2016, ông tốt nghiệp thạc sĩ chun ngành Báo chí Truyền thơng Trường Đại học Khoa học Xã hội & Nhân Văn, Đại học QGHN Từ năm 2016 đến giảng dạy Học viện Cơng nghệ Bưu Viễn Thơng Lĩnh vực nghiên cứu: Báo chí Truyền thơng Mạng Ngô Tiến Đạt sinh ngày 01/07/1998 Thành phố Bắc Ninh, sinh viên năm cuối Chương trình Kỹ sư ngành Công nghệ Đa Phương Tiện Học Viện Công Nghệ Bưu Chính Viễn Thơng Lĩnh vực nghiên cứu: Truyền thông mạng, Dữ liệu đa phương tiện 15 Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF 16 .. .Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF cấp thơng tin hữu ích, xác dự đốn dự báo trào lưu diễn mạng xã hội Xét khía cạnh khoa học, liệu mạng xã hội Dữ liệu Lớn (Big Data) với. .. hợp phân tích liệu [4][6] 11 Chuyển đổi phân tích liệu mạng xã hội với mơ hình liệu RDF Lưu trữ truy vấn: lưu trữ mơ hình liệu vật lý hệ quản trị sở liệu cho mơ hình ba RDF Linked Data [8] Và. .. thập liệu Dữ liệu mạng xã hội đóng vai trò quan trọng kỷ nguyên cách mạng công nghiệp 4.0 Dữ liệu mạng xã hội hay nguồn liệu biểu diễn dạng liệu đồ thị Việc sử dụng RDF để chuyển đổi liệu mạng xã