مقاله ترجمه شده تحلیل شبکه های اجتماعی مرتبط با اینترنت اشیا

سال نشر: ۲۰۲۱

نوع نگارش مقاله: علمی پژوهشی (Research articles)

تعداد صفحه انگلیسی: ۱۵  صفحه PDF

تعداد صفحه ترجمه فارسی:   ۳۱ صفحه WORD

دانلود رایگان مقاله انگلیسی

کد محصول: M1491

نام ناشر (پایگاه داده): اشپرینگر

نام مجله:   Discover Internet of Things

عنوان کامل فارسی:

مقاله انگلیسی ترجمه شده ۲۰۲۱ :  تحلیل شبکه های اجتماعی مرتبط با اینترنت اشیا

عنوان کامل انگلیسی:

Social media analytics of the Internet of Things

چکیده فارسی:

فناوری اینترنت اشیا در زمینه هایی مانند خانه های هوشمند و شهرهای هوشمند، آسودگی و نوآوری را ارمغان آورده اند. راهکارهای اینترنت اشیا نیازمند مدیریت دقیق ابزارها و کاهش خطر آسیب‌پذیری‌های احتمالی درون سامانه‌های فیزیکی مجازی است. مفهوم اینترنت اشیا، پیاده سازی ها و کاربردهای آن اغلب در پلتفرم های رسانه های اجتماعی مورد بحث قرار می گیرند. این تحقیق دیدگاه عمومی در مورد اینترنت اشیاء را از طریق آنالیز محتوایی و شبکه ای گفتگوهایی که در پلتفرم توییتر رخ می دهد، آشکار می کند. توییت‌ها را می‌توان با روش‌های یادگیری ماشینی تحلیل کرد تا حجم و تنوع گفتگوها را به سمت مدل‌های پیش‌بینی‌کننده و توصیفی همگرا کند. ما ۶۸۴۵۰۳ توییت جمع آوری شده در یک دوره ۲ هفته ای را بررسی کرده ایم. ما با استفاده از روش‌های یادگیری ماشینی کنترل شده و بدون کنترل، روندها را در قلمرو اینترنت اشیاء و روابط متقابل آن‌ها را بین صنایع ذکر شده شناسایی کرده‌ایم. ما ویژگی‌های احساسات زبانی را شناسایی کرده‌ایم که می‌تواند به پیش‌بینی محبوبیت موضوعات گفتگوهای مرتبط با اینترنت اشیا کمک کند. ما صنعت بهداشت و درمان را به عنوان صنعت مورد استفاده پیشرو برای پیاده سازی IoT شناسایی کردیم. این موضوع تعجب آور نیست زیرا همه گیری COVID-19 بحث های رسانه های اجتماعی زیادی را به راه انداخته است. گفتگوهای اندکی در مورد امنیت سایبری در توئیتر وجود داشت. نفوذها و باج افزارهای نشان می دهد  که سازمان ها باید زمان بیشتری را صرف جمع آوری اطلاعات در مورد خطرات و اقدامات کاهنده کنند.  تنها ۱۲ درصد از توییت‌های مربوط به اینترنت اشیا حاوی منشن هایی در مورد موضوعاتی مانند رمزگذاری، آسیب‌پذیری یا خطر، در میان سایر اصطلاحات مرتبط با امنیت سایبری بودند. ما کارت امتیازی ارتباطات سایبری اینترنت اشیا را پیشنهاد می‌کنیم تا به سازمان‌ها کمک کنیم تا چگالی و احساسات ارتباطات شرکتی خود را در رابطه با امنیت در صنعت خاص خود محک بزنند.

کلمات کلیدی: اینترنت اشیا • رسانه های اجتماعی • امنیت سایبری • یادگیری ماشینی • تجزیه و تحلیل احساسات • پیش بینی محبوبیت

Abstract

The Internet of Things technology offers convenience and innovation in areas such as smart homes and smart cities. Internet of Things solutions require careful management of devices and the risk mitigation of potential vulnerabilities within cyber-physical systems. The Internet of Things concept, its implementations, and applications are frequently discussed on social media platforms. This research illuminates the public view of the Internet of Things through a content-based and network analysis of contemporary conversations occurring on the Twitter platform. Tweets can be analyzed with machine learning methods to converge the volume and variety of conversations into predictive and descriptive models. We have reviewed 684,503 tweets collected in a 2-week period. Using supervised and unsupervised machine learning methods, we have identified trends within the realm of IoT and their interconnecting relationships between the most mentioned industries. We have identified characteristics of language sentiment which can help to predict the popularity of IoT conversation topics. We found the healthcare industry as the leading use case industry for IoT implementations. This is not surprising as the current COVID-19 pandemic is driving significant social media discussions. There was an alarming dearth of conversations towards cybersecurity. Recent breaches and ransomware events denote that organizations should spend more time communicating about risks and mitigations. Only 12% of the tweets relating to the Internet of Things contained any mention of topics such as encryption, vulnerabilities, or risk, among other cybersecurity-related terms. We propose an IoT Cybersecurity Communication Scorecard to help organizations benchmark the density and sentiment of their corporate communications regarding security against their specific industry.

Keywords: Internet of Things · Social media · Cybersecurity · Machine learning · Sentiment analysis · Popularity prediction