基于时空移动性分析估计社会经济地位——以智能卡数据为例
计算机与社会
2019-05-15 v1
摘要
个人或家庭的社会经济地位（SES）概念反映了相应实体在社会中的社会与经济等级。此类信息可辅助银行贷款决策等应用，并为社会分层、社会福利和商业规划等相关研究提供可量化输入。传统上，对大规模人群进行 SES 估计由国家统计机构通过大量入户访谈完成，成本高昂且耗时漫长。近来研究者尝试从手机通话记录和在线社交网络平台的资料源估计 SES，其成本与速度优势明显。不同于依赖这些关于用户网络空间行为的数据，关于真实世界用户行为（如移动性）的多种替代数据源可为 SES 估计提供新见解。本文利用公共交通系统的智能卡数据（SCD），其记录了大规模用户的时空移动行为。更具体地，我们提出 S2S，一种基于深度学习、依据用户 SCD 估计其 SES 的方法。本质上，S2S 对两类 SES 相关特征（即时序特征与一般统计特征）建模，并利用深度学习进行 SES 估计。我们在真实数据集上海 SCD（涉及数百万用户）上评估了该方法。所提模型在多项评价指标上明显优于几种 SOTA 方法。
引用
@article{arxiv.1905.05437,
title = {Estimating Socioeconomic Status via Temporal-Spatial Mobility Analysis -- A Case Study of Smart Card Data},
author = {Shichang Ding and Hong Huang and Tao Zhao and Xiaoming Fu},
journal= {arXiv preprint arXiv:1905.05437},
year = {2019}
}
备注
9 pages, double column, IEEE ICCCN 2019