基于社交媒体的城市众感：Transformer 与循环神经网络的实证研究
社会与信息网络
2020-12-08 v1 人工智能
摘要
城市规划的一个重要方面是理解各地的人群密度水平，这通常需要使用物理传感器。此类传感器在大规模部署时可能成本高昂且耗时。为解决该问题，我们利用公开可用的社交媒体数据集，将其作为两个城市感知问题的基础，即事件检测与人群水平预测。本工作的主要贡献之一是我们从 Twitter 和 Flickr 收集的带真实事件标注的数据集。我们用两种初步的监督学习方法证明了该数据集的效用：其一，一系列神经网络模型以判定社交媒体帖子是否与某事件相关；其二，利用社交媒体帖子计数预测实际人群水平的回归模型。我们讨论了这些任务的初步结果并指出了若干挑战。
引用
@article{arxiv.2012.03057,
title = {Urban Crowdsensing using Social Media: An Empirical Study on Transformer and Recurrent Neural Networks},
author = {Jerome Heng and Junhua Liu and Kwan Hui Lim},
journal= {arXiv preprint arXiv:2012.03057},
year = {2020}
}
备注
Accepted at the 2020 IEEE International Conference on Big Data (BigData'20), Poster Track