挖掘城市生活方式：城市计算、人类行为与推荐系统
社会与信息网络
2019-11-14 v1 计算机与社会
机器学习
机器学习
摘要
在过去十年中，数字时代极大地重新定义了我们研究人类行为的方式。随着数据存储与传感技术的进步，电子记录如今涵盖了多样化的人类活动谱，从位置数据、电话与电子邮件通信，到 Twitter 活动以及在 Wikipedia 和 OpenStreetMap 上的开源贡献。特别是，对个体消费者的购物与移动模式的研究，有潜力更深入地揭示该地区的生活方式与基础设施。信用卡记录（CCR）提供了对购买行为的细致洞察，并已被发现具有消费者购物模式的内在规律性；通话详单记录（CDR）为理解人类移动性、分析财富以及建模社交网络动态提供了新机遇。在本章中，我们联合建模个体的生活方式——与城市区域聚合行为相比，这是一个变异性更高、更具挑战性的问题。利用集体矩阵分解，我们提出了一种统一的生活方式双视图。理解这些生活方式不仅将揭示商业机会，还将帮助政策制定者与非营利组织理解整个区域及其内部个体的特征与需求。其应用范围从定向广告与促销，到数字金融服务在低收入群体中的扩散。
引用
@article{arxiv.1911.05464,
title = {Mining urban lifestyles: urban computing, human behavior and recommender systems},
author = {Sharon Xu and Riccardo Di Clemente and Marta C. González},
journal= {arXiv preprint arXiv:1911.05464},
year = {2019}
}
备注
8 pages, 4 figures