Przejdź do treści
Zeszyty Naukowe Uniwersytetu Szczecińskiego. Studia Informatica

Aktualnie: Studia Informatica Pomerania

ZN 863 SI nr 36
OpenAlex

Dane dotyczą tego artykułu lub rozdziału.

Rekord znaleziony w bazie

Cytowania
0
Pozycje bibliografii
8

Dane pobrane:

Pokazujemy ostatnie dostępne dane. Aktualizacja oczekuje lub nie powiodła się.

Zobacz w źródle (nowa karta)
OpenCitations

Dane dotyczą tego artykułu lub rozdziału.

Cytowania
0

Dane pobrane:

Pokazujemy ostatnie dostępne dane. Aktualizacja oczekuje lub nie powiodła się.

Zobacz w źródle (nowa karta)
Google Scholar

Analiza zbioru wiadomości e-mail z zastosowaniem sieci społecznych

DOI: 10.18276/si.2015.36-11
Cytuj

Pełny tekst jest dostępny

Abstrakt

W artykule zaproponowane zostało podejście związane z analizą sieci społecznych, a także praktyczne możliwości zastosowania tych sieci w badaniu organizacji pod kątem procesów przepływu wiadomości mailowych pracowników. Celem pracy jest analiza kontaktów pomiędzy poszczególnymi pracownikami korporacji zastosowana do wyznaczenia pracowników – liderów z punktu widzenia rozprzestrzeniania się informacji lub wpływania na osoby będące w bezpośrednim sąsiedztwie. Analiza ta w dalszych pracach powinna przyczynić się do stworzenia algorytmu, którego zastosowanie posłuży do poprawienia dokładności klasyfikacji wiadomości mailowych do poszczególnych folderów w skrzynkach pocztowych pracowników. Zaproponowana metoda została przetestowana na ogólnodostępnym zbiorze danych Enron E-mail.
Podgląd PDF

Otwórz PDF

Bibliografia

  1. Aral S., Van Alstyne M. (2007), Network structure & information advantage.
  2. Bekkerman R., McCallum A., Huang G. (2004), Automatic categorization of email into folders: Benchmark experiments on Enron and SRI corpora, Center for Intelligent Information Retrieval, Technical Report IR.
  3. Boryczka U., Probierz B., Kozak J. (2014), An Ant Colony Optimization Algorithm for an Automatic Categorization of Emails, Computational Collective Intelligence. Technologies and Applications, LNCS, Springer, Berlin, s. 583–592.
  4. CALO (2014), A Cognitive Assistant that Learns and Organizes, www.ai.sri.com/project/ CALO (2.11.2014).
  5. Cummings J.N., Cross R. (2003), Structural properties of work groups and their consequences for performance, „Social Networks”, no. 25, s. 197–210.
  6. Gloor P.A. (2006), Swarm Creativity: Competitive Advantage through Collaborative Innovation Networks, Oxford Univrsity Press.
  7. Gloor P., Grippa F., Putzke J., Lassenius C., Fuehres H., Fischbach K., Schoder D. (2012), Measuring social capital in creative teams through sociometric sensors, „International Journal of Organisational Design and Engineering”.
  8. Moreno J.L. (1953), Who Shall Survive? Foundations of Sociometry, Group Psychotherapy and Sociodrama, Beacon House, Beacon, Nowy Jork.
  9. Stępka P., Subda K. (2004), Wykorzystanie analizy sieci społeznych (SNA) do budowy organizacji opartej na wiedzy, „E-mentor”, nr 1 (28).
  10. Wilson G.C., Banzhaf W. (2009), Discovery of email communication networks from the enron corpus with a genetic algorithm using social network analysis.