揭示集体社会活动的时空模式
社会与信息网络
2017-01-12 v1 数据结构与算法
摘要
社交媒体用户和微博用户在参与各种（线下）集体社会活动时发布相关内容，范围从音乐会和体育赛事到政治集会和民间抗议。在这种背景下，参与同一集体社会活动的人们往往在相似的时间从邻近的地点发布密切相关的内容，从而形成独特的时空模式。我们能否自动检测这些模式，从而深入了解相关活动？在本文中，我们提出了一种用于聚类流式时空数据的建模框架，即空间狄利克雷霍克斯过程 (SDHP)，该框架使我们能够从地理定位的在线痕迹中自动揭示各种各样的集体社会活动时空模式。此外，我们开发了一种基于序贯蒙特卡洛的高效在线推断算法，可扩展至数百万条地理定位帖子。在合成数据和从 Twitter 收集的真实数据上进行的实验表明，我们的框架能够在内容和时空动态方面恢复各种有意义的社会活动模式，产生关于这些模式的有趣见解，并可用于估计推文发布的地点。
引用
@article{arxiv.1701.02740,
title = {Uncovering the Spatiotemporal Patterns of Collective Social Activity},
author = {Martin Jankowiak and Manuel Gomez-Rodriguez},
journal= {arXiv preprint arXiv:1701.02740},
year = {2017}
}
备注
To appear at the 2017 SIAM International Conference on Data Mining (SIAM SDM)