面向高效存档 CDN 的时空事件分析与提取——以 Telegram 为例
信息检索
2023-09-19 v1 社会与信息网络
摘要
本文提出一种用于探索和追踪网络空间大规模数据的高效存档框架，称为时空内容分发网络（TS-CDN）。社交媒体数据流在时间和空间维度上持续更新。各类网站与社交网络（即频道、群组、页面等）被视为网络空间中的空间实体。精确分析需要涵盖海量数据。在 TS-CDN 中，通过对大数据应用哈希函数，构建了高效的内容分发网络。使用哈希函数可消除数据冗余，从而形成大规模唯一数据存档。该框架基于输入的查询，借助 TF-IDF 分数实现时空维度上数据的显式监控与探索。同时遵循 i18n 标准，解决了 Unicode 问题。为评估 TS-CDN 框架，使用了 2020 年 3 月 23 日（1399-01-01）至 2020 年 9 月 21 日（1399-06-31）期间 Telegram 新闻频道的数据集，主题涵盖冠状病毒（COVID-19）、疫苗、学校复课、洪水、地震、司法股、石油和隔离。通过对所述时间段内 Telegram 数据集应用哈希，媒体文件显著减少，如视频减少 39.8%（从 79.5 GB 至 47.8 GB），图像减少 10%（从 4 GB 至 3.6 GB）。TS-CDN 基础设施以 Web 方式呈现为面向服务的系统。在包含不同空间维度（即 Khabare Fouri、Khabarhaye Fouri、Akhbare Rouze Iran 和 Akhbare Rasmi Telegram 新闻频道）的庞大时间序列数据上进行的实验，证明了所实现 TS-CDN 框架的效率与适用性。
引用
@article{arxiv.2309.08924,
title = {Analysis and Extraction of Tempo-Spatial Events in an Efficient Archival CDN with Emphasis on Telegram},
author = {Melika Bahman-Abadi and M. B. Ghaznavi-Ghoushchi},
journal= {arXiv preprint arXiv:2309.08924},
year = {2023}
}