一种用于基于位置的社交媒体数据时空分析的可扩展框架
社会与信息网络
2019-08-17 v1 物理与社会
摘要
在过去几年中，社交媒体（例如 Twitter 和 Facebook）经历了显著的崛起和普及，已成为内容共享和社交网络的普遍话语平台。随着移动设备和基于位置的服务的广泛普及，社交媒体通常允许用户分享日常活动的行踪（例如签到和拍照），从而增强了社交媒体作为理解地理空间中人类行为和复杂社会动态代理的作用。与传统的时空数据不同，这种新模态的数据是动态的、海量的，且通常以非结构化媒体流（例如文本和照片）的形式呈现，这对传统的时空分析和地理信息科学构成了基本的表示、建模和计算挑战。在本文中，我们描述了一种可扩展的计算框架，用于利用海量的基于位置的社交媒体数据进行高效且系统的时空数据分析。在该框架内，应用时空轨迹（或路径）的概念来表示社交媒体用户的活动概况。基于时空轨迹的集合，开发了一种分层时空数据模型，即时空数据立方体模型，以表示社交媒体用户在多个时空尺度上跨越聚合边界的集体动态。该框架基于北美大陆发布的 Twitter 馈送公共数据流实现。为了展示该框架的优势和性能，开发了一种交互式流向图界面（包括单源和多源流向图），以允许在多个尺度上对海量基于位置的社交媒体中的运动动态进行实时、交互式的可视化探索。
引用
@article{arxiv.1409.2826,
title = {A Scalable Framework for Spatiotemporal Analysis of Location-based Social Media Data},
author = {Guofeng Cao and Shaowen Wang and Myunghwa Hwang and Anand Padmanabhan and Zhenhua Zhang and Kiumars Soltani},
journal= {arXiv preprint arXiv:1409.2826},
year = {2019}
}