基于动态结构深度学习从推文预测高分辨率家庭位置
社会与信息网络
2019-07-09 v2 机器学习
摘要
及时且高分辨率地估计足够大人口子集的家庭位置，对于有效的灾害响应和公共卫生干预至关重要，但这仍是一个开放问题。传统数据源（如人口普查和调查）具有显著的时间滞后，且无法捕捉季节性趋势。近来，社交媒体数据因其庞大的用户基数和实时性而被用来解决该问题。然而，固有的稀疏性与噪声，以及家庭位置估计中的巨大不确定性，限制了其有效性。因此，以往研究多仅针对粗空间分辨率，高分辨率方法的准确性受限。本文开发了一种深度学习方案，采用两阶段动态结构处理稀疏且含噪的社交媒体数据。第一阶段利用随机森林实现高召回率，产生更均衡的家庭位置候选。随后使用两个深度神经网络以高精度检测家庭位置。我们在常用数据集上针对大型子集取得了超过 90% 的准确率。与其他高分辨率方法相比，我们的方法将高分辨率家庭预测误差从超过 21% 降至低于 8%，实现了高达 60% 的误差削减。系统性比较表明，我们的方法在整个样本和子集中均给出最高准确率。在真实世界公共卫生问题上的评估进一步验证了我们的方法的有效性。
引用
@article{arxiv.1902.03111,
title = {High-resolution home location prediction from tweets using deep learning with dynamic structure},
author = {Meysam Ghaffari and Ashok Srinivasan and Xiuwen Liu},
journal= {arXiv preprint arXiv:1902.03111},
year = {2019}
}