基于社交媒体的位置推断概率框架
人工智能
2019-05-14 v3 社会与信息网络
摘要
我们研究在多大程度上可以从社交媒体推断用户的地理位置。来自社交媒体的位置推断可使许多应用受益，例如灾难管理、定向广告和新闻内容定制。然而，其挑战在于标注数据量有限且社交网络规模庞大。本文将社交媒体位置推断问题形式化为半监督因子图模型（SSFGM）。该模型提供了一个概率框架，可将各种信息源（如内容和社交网络）结合在一起。我们设计了一个双层神经网络来学习特征表示，并将学习到的潜在特征纳入 SSFGM。为处理大规模问题，我们提出了一种双链采样（TCS）算法来学习 SSFGM。该算法在准确率和效率之间取得了良好的折中。在 Twitter 和 Weibo 上的实验表明，所提出的用于 SSFGM 的 TCS 算法可以大幅提高相对于几种 SOTA 方法的推断准确率。更重要的是，与传统的基于传播的方法（如环状置信传播）相比，TCS 实现了超过 100 倍的加速。
引用
@article{arxiv.1702.07281,
title = {A Probabilistic Framework for Location Inference from Social Media},
author = {Yujie Qian and Jie Tang and Zhilin Yang and Binxuan Huang and Wei Wei and Kathleen M. Carley},
journal= {arXiv preprint arXiv:1702.07281},
year = {2019}
}