面向灾害响应的社会感知中联合源选择与数据外推
社会与信息网络
2015-12-03 v1
摘要
本文通过开发用“填补”缺失部分的推断结果来增强感知数据的手段，补充了社会感知文献的大量工作。它具体探索了 (i) 用于填补缺失部分的推断技术与 (ii) 用于确定检索哪些部分以改进推断结果的源选择技术之间的协同作用。我们聚焦于发生破坏性趋势变化的灾害场景中的预测。我们首先讨论我们之前的会议研究，该研究比较了一组预测启发式方法并开发了混合预测算法。然后我们通过考虑提高推断质量的传感器选择算法来增强预测方案。我们提出的源选择与外推算法使用 2012 年 11 月飓风桑迪之后纽约市危机期间收集的数据进行了测试。评估结果显示实现了持续良好的预测。该工作的显著之处在于解决了受应力复杂系统中损伤传播的双峰性质，其中平静期与剧烈变化期交织。它通过提供联合利用源选择与外推组件从而改进结果的问题的新解决方案而具有新颖性。
引用
@article{arxiv.1512.00500,
title = {Joint Source Selection and Data Extrapolation in Social Sensing for Disaster Response},
author = {Mohammad Hosseini and Nooreddin Nagibolhosseini and Amotz Barnoy and Peter Terlecky and Hengchang Liu and Shaohan Hu and Shiguang Wang and Tanvir Amin and Lu Su and Dong Wang and Ramesh Govindan and Raghu Ganti and Mudhakar Srivatsa and Charu Aggrawal and Tarek Abdelzaher and Siyu Gu and Chenji Pan},
journal= {arXiv preprint arXiv:1512.00500},
year = {2015}
}
备注
24 pages, Technical Report, University of Illinois at Urbana-Champaign