ウィキペディアのトラフィックデータとコンテキストネットワークを使用した新しいトレンドの検出

社会の傾向とオンラインシステムでの表現の間に関係があるため、オンラインメディアは新しいトレンドと新興の傾向を予測できますか？いくつかの最近の研究では、Googleのトレンドを主要なオンライン情報ソースとして使用して、対応する研究質問に答えていますが、より深いトピックリーディングによく使用されるオンライン百科事典ウィキペディアに焦点を当てています。Wikipediaは、すべてのトラフィックデータへのオープンアクセスを付与し、単一のキーワード以外にコンテキストネットワークで多くの追加（セマンティック）情報を提供します。具体的には、内部リンクによって関連するさまざまな言語や記事でのウィキペディア記事のページの視聴時シリーズに基づいて、トピックの重要性について、コンテキスト定体と時間依存の測定を提案および研究します。例として、Hadoopエコシステムに焦点を当てた最近新興のビッグデータ市場の研究を提示し、WikipediaとGoogleの能力を、その人気とライフサイクルを予測する際に比較します。さらなるアプリケーションをサポートするために、ウィキペディア分析の結果を共有するオープンWebプラットフォームを開発し、新たな傾向に対してコンテキストが豊富で言語に依存しない関連測定を提供しました。

Can online media predict new and emerging trends, since there is a relationship between trends in society and their representation in online systems? While several recent studies have used Google Trends as the leading online information source to answer corresponding research questions, we focus on the online encyclopedia Wikipedia often used for deeper topical reading. Wikipedia grants open access to all traffic data and provides lots of additional (semantic) information in a context network besides single keywords. Specifically, we suggest and study context-normalized and time-dependent measures for a topic's importance based on page-view time series of Wikipedia articles in different languages and articles related to them by internal links. As an example, we present a study of the recently emerging Big Data market with a focus on the Hadoop ecosystem, and compare the capabilities of Wikipedia versus Google in predicting its popularity and life cycles. To support further applications, we have developed an open web platform to share results of Wikipedia analytics, providing context-rich and language-independent relevance measures for emerging trends.