基于社交媒体噪声计数的鲁棒时空信号恢复

许多现实世界现象可以用时空信号表示：在哪里、何时以及多少。社交媒体是希望监测此类信号的人的一个诱人数据源。与大多数先前工作不同，我们假设目标现象已知，并且我们被赋予一种方法来统计其在社交媒体中的出现次数。然而，计数受到样本偏差、数据不完整以及矛盾的数据稀缺性——这些问题在先前工作中未得到充分解决。我们将信号恢复公式化为一个泊松点过程估计问题。我们明确地将人口偏差、时间延迟和空间扭曲以及时空正则化纳入模型，以解决噪声计数问题。我们提出了一种高效的优化算法，并讨论了其理论性质。我们表明，我们的模型比常用的基线更准确。最后，我们展示了一个关于野生动物道路死亡监测的案例研究，其中我们的模型产生了定性上令人信服的结果。