基于计算信息素法检测永久性与间歇性消费热点
社会与信息网络
2019-02-06 v1 计算机与社会
摘要
对信用卡交易的分析使得以空前规模深入洞察大量个体的消费发生与移动行为成为可能。然而，在社群层面揭示此类时空模式意味着非平凡的系统建模与参数化，以及对时间动态的合理表征。本工作借助一种新颖的计算技术，即计算信息素法（computational stigmergy），同时解决上述两个问题。通过计算信息素法，每个样本位置都与一个数字信息素沉积相关联，该沉积依据时空邻近性与其他沉积聚合。利用计算信息素法处理交易数据，可识别在不同时间与日期出现的高密度区域（热点），并分析其随时间的持续性。事实上，热点可以是永久性的，即在整个观测期内持续存在，或是间歇性的，即仅因社群层面的活动（如夜生活）在特定时间与日期出现。这种差异不仅是空间上的（热点发生于何处）与时间上的（热点发生于何时），还影响到哪些人访问该热点。所提方法在一个包含 2014 至 2015 年间 6 万用户信用卡交易的真实数据集上进行了测试。
引用
@article{arxiv.1902.01601,
title = {Detecting Permanent and Intermittent Purchase Hotspots via Computational Stigmergy},
author = {Antonio L. Alfeo and Mario G. C. A. Cimino and Bruno Lepri and Alex "Sandy" Pentland and Gigliola Vaglini},
journal= {arXiv preprint arXiv:1902.01601},
year = {2019}
}