The Age of Social Sensing
Twitter和Instagram等在线社交媒体使信息传播民主化，允许任何人以前所未有的规模分享关于自己和周围环境的信息。因此，在这些媒体上发布的大量信息通过社交网络的眼睛提供了一个进入物理世界的新镜头。利用这个镜头来观察世界状态的各个方面最近被称为社会感知。通过使用（或故意滥用）社交媒体操纵现实的力量引发了人们对从恐怖宣传激进化到成熟民主国家可能操纵选举等问题的担忧。许多重要的挑战和开放的研究问题出现在这个新兴的领域，旨在更好地了解如何从介质中提取信息，以及提取的信息和它所代表的世界的特性。解决上述挑战需要在计算机科学和社会科学的交叉点进行多学科研究，结合网络物理计算，社会学，传感器网络，社交网络，认知，数据采掘，估计理论，数据融合，信息论，语言学，机器学习，行为经济学等。本文综述了社会感知的重要方向，确定了当前的研究挑战，并概述了未来研究的途径。
2018-01-27 cs.SI physics.soc-ph
SocioHub: An Interactive Tool for Cross-Platform Social Media Data Collection
开发跨平台社交媒体数据收集工具SocioHub，支持Twitter、Instagram和Mastodon，帮助研究者分析用户行为与数据属性。
2023-09-06 cs.SI
When Crowdsourcing Meets Mobile Sensing: A Social Network Perspective
移动传感是一种新兴的技术，它利用智能体参与的数据进行决策或状态估计，包括多媒体应用。本文研究了移动感知方案的结构，并介绍了移动感知的众包方法。受社交网络的启发，人们可以在参与式代理之间建立信任，以利用群体的智慧进行移动传感。一个原型的社会网络启发的移动多媒体和传感应用程序的说明目的。真实世界数据集上的数值实验表明，通过众包的移动传感性能的改善。移动传感与互联网层的挑战进行了讨论。
2015-08-03 cs.SI stat.ML
Sensing and Modeling Human Behavior Using Social Media and Mobile Data
在过去的几年里，我们目睹了计算社会科学这一新学科的出现，它促进了一种新的数据驱动和基于计算的社会科学方法。在这篇文章中，我们讨论了新技术的可用性，如在线社交媒体和移动智能手机，使研究人员能够被动地收集人类行为数据，其规模和粒度在几年前是不可想象的。我们还讨论了如何使用这些数字痕迹来证明（或反驳）现有的理论，并开发新的人类行为模型。
2017-02-08 cs.CY cs.SI physics.soc-ph
The Tribal Theater Model: Social Regulation for Dynamic User Adaptation in Virtual Interactive Environments
提出部落剧场模型，通过矩阵资源分配提升用户主体性以实现虚拟交互环境中的动态社会调节，实验证明其能有效改善交互体验并增强用户韧性表现。
2024-03-20 cs.HC cs.SI
A Survey on Social-Physical Sensing: An Emerging Sensing Paradigm that Explores the Collective Intelligence of Humans and Machine
在无处不在的多功能数据捕获、通信和计算技术的推动下，物理传感彻底改变了决定性地解释现实世界的途径。然而，各种限制阻碍了物理感测在关键场景中的有效性，例如灾害响应和城市异常检测。与此同时，社会感测是设计作为一个普遍的感测范式，利用观察配备便携式设备和无处不在的互联网连接感知环境的人类参与者。尽管有其优点，但社会感测也固有地遭受一些缺点（例如，不一致的可靠性和不确定的数据来源）。受两种感知模式的互补优势的激励，社会物理感知（SPS）作为一种新兴的感知范式而突出，该范式探索人类和机器的集体智慧，以重建物理和社会的“世界状态”。虽然已经研究了大量有趣的SPS应用，但SPS中仍然存在一些关键的未解决的挑战。在本文中，我们提供了一个全面的调查SPS，强调其定义，关键使能因素，最先进的应用，潜在的研究挑战，以及未来工作的路线图。本文旨在弥合现有的感知为重点的调查文件的知识差距，通过彻底检查SPS的各个方面，建立强大的SPS系统至关重要。
2023-03-14 cs.SI eess.IV stat.CO
CovidSens: A Vision on Reliable Social Sensing for COVID-19
随着2019冠状病毒病（COVID-19）的大流行不断升级，传播有关该疾病的准确和及时信息变得至关重要。由于互联网连接和智能设备的普及，社交感知正在成为一种动态的人工智能驱动的感知范式，以从在线用户中提取实时观察结果。在本文中，我们提出了CovidSens，这是一种基于社会感知的风险预警系统，可以自发地获取和分析社会数据，以推断COVID-19的传播。CovidSens可以积极帮助公众了解COVID-19的传播情况，并识别风险易发区域。CovidSens的概念是基于三个观察：1）人们通过在线社交媒体积极分享他们对COVID-19的体验，2）官方警告渠道和新闻机构比人们在社交媒体上报道的速度相对较慢，以及3）在线用户经常配备功能强大的移动设备，可以执行数据处理和分析。我们预见到前所未有的机会，利用普通人产生的帖子来建立实时传感和分析系统，以收集和传播COVID-19传播数据。具体而言，CovidSens的愿景试图回答以下问题：如何在谣言和错误信息盛行的情况下提取关于COVID-19的可靠信息？如何及时有效地向广大公众通报疫情蔓延状况？如何利用边缘设备上的计算能力来构建完全集成的基于边缘的社交感知平台？在这份愿景文件中，我们讨论了CovidSens的作用，并确定了开发可靠的基于社会感知的风险警报系统的潜在挑战。我们设想，源自多个学科的方法可以有效地应对挑战。最后，我们概述了CovidS…
2020-05-23 cs.SI physics.soc-ph q-bio.PE
Condition Sensing for Electricity Infrastructure in Disasters by Mining Public Topics from Social Media
及时和可靠地感知基础设施状况对于规划有效的基础设施重建的灾害管理至关重要。社会媒体作为一种近实时的信息源，在灾害中被广泛用于形成及时的态势感知。然而，使用社交媒体来感知电力基础设施状况尚未被探索。本研究旨在通过挖掘社会媒体中的公共话题来弥补研究空白。为了实现这一目的，我们提出了一种系统化和定制化的方法，其中（1）电力相关的社交媒体数据是由基于来自Transformers的双向编码器表示（BERT）开发的分类器提取的;以及（2）公共主题是用一元、二元和三元来建模的，以将社交媒体中基础设施条件的公式化表达结合起来。佛罗里达州的电力基础设施受到飓风厄玛的影响进行了研究，以说明和演示。结果表明，该方法能够感知电力基础设施状况的时间演变和地理差异。
2021-03-01 cs.SI
Consistency of Social Sensing Signatures Across Major US Cities
以前的研究表明，Twitter用户有偏见，从某些位置，位置偏见，并在某些时间，时间偏见。我们使用了三年的地理定位Twitter数据来量化这些偏见，并测试了我们的核心假设，即Twitter用户的偏见在美国各城市是一致的。我们的结果表明，Twitter用户的时间和地点偏见在美国三个大城市之间不一致。我们得出的结论的基础数据生产过程中的复杂性的作用，其一致性，并认为地理空间数据科学的潜在研究途径，以测试和量化这些不一致的类有机演变的大数据。
2016-09-14 cs.SI physics.soc-ph
Providing Trustworthy Contributions via a Reputation Framework in Social Participatory Sensing Systems
社会参与式感知是一个新提出的范例，试图解决参与式感知的局限性，利用在线社交网络作为基础设施。这一模式取得成功的一个关键问题是确保参与者提供的贡献值得信赖。在本文中，我们提出了一个应用程序无关的声誉框架的社会参与式传感系统。我们的框架同时考虑了贡献的质量和社会网络中参与者的可信度。这两个方面，然后通过一个模糊推理系统相结合，以达到最终的信任评级的贡献。还为每个参与者计算信誉分数，作为分配给他的信任评级的结果。我们采用PageRank算法作为信誉模块的构建块。广泛的模拟表明，我们的框架在实现高的整体信任和分配准确的声誉分数的有效性。
2013-11-11 cs.IR cs.SI
Social Interactive Media Tools and Knowledge Sharing: A Case Study
目的：社会媒体工具（SMT）为世界各地的图书馆和图书馆员提供了新的机会。在高校图书馆中，我们可以把它们作为一种强有力的交流工具。本研究旨在确定爱尔兰利默里克大学图书馆员在传播知识和信息时使用社交互动媒体工具[社交网络工具（SNT）、社交书签工具（SBT）、图像或视频共享工具（IVShT）和混搭工具（MT）]的情况。方法：本研究为描述性调查。研究人群包括Glucksman图书馆的所有图书馆员。通过问卷调查收集数据。采用SPSS16统计软件对数据进行描述性和推断性统计分析。调查结果：研究结果表明，Glucksman图书馆馆员在知识共享中使用SMT的平均值（5.00分）为：SNT（2.49分），SBT（2.92分），IVShT（2.99分）和MT（2.5分）。研究表明，他们的大部分互动都与分享图片或视频有关。独创性：SMT为学生、教师和图书馆员之间的信息交流提供了一个很好的平台。利默里克大学的Glucksman图书馆正在使用这项技术。本文以爱尔兰图书情报学领域为例，介绍了如何使用这些工具。所提出的问题可能有益于图书馆服务的发展，特别是图书馆员之间的知识共享。
2013-09-07 cs.DL cs.SI
Structure vs. Language: Investigating the Multi-factors of Asymmetric Opinions on Online Social Interrelationship with a Case Study
Tianjin University（天津大学）
虽然目前的研究往往从客观的角度来研究在线社会关系的属性，但在社会计算研究中，我们还需要了解个体对他们之间相互关系的主观看法。受社会语言学理论的启发，最新的研究表明，互动语言可以揭示个体对彼此关系的不对称看法。为了解释意见在相互关系上的不对称性，本文将研究范围从单一关系扩展到网络社会的结构性语境。我们分析了交互式语言特征和相互关系的结构语境之间的相关性。考虑了社会网络中顶点、边和三角形的结构上下文。通过对安然邮件数据集的统计分析，我们发现个体对人际关系的看法（以交互语言特征衡量）与其在社会网络中的一些重要结构语境有关。这一结果可以帮助我们理解和测量的个人意见，他们的相互关系与更多的内在信息。
2016-11-02 cs.CL cs.SI
Active Sensing of Social Networks
本文提出了一种主动感知方法来估计相对权重（或信任）的代理放置在他们的邻居的社会网络中的信息。用于回归的模型是基于在顽固剂影响下的线性DeGroot模型中的稳态方程，即，他们的观点不受邻居的影响。这种方法可以被看作是一个\emph{social RADAR}，其中顽固的代理人激发系统，后者可以通过从代理人的意见分析观察到的混响来估计。社会网络感知问题可以被解释为一个具有稀疏测量矩阵的盲压缩感知问题。我们证明了当足够数量的顽固代理独立影响一些普通（非顽固）代理时，网络结构将被揭示。我们调查的情况下，确定性或随机DeGroot模型，并提出了一致的估计后一种情况下的稳态。对合成网络和真实网络的模拟结果支持了我们的研究结果。
2016-10-05 cs.SI stat.ML
Measuring Asymmetric Opinions on Online Social Interrelationship with Language and Network Features
Tianjin University（天津大学）
本文没有从客观的角度研究社会关系的性质，而是关注个体对相互关系的主观和不对称看法。受社会语言学理论的启发，我们探讨了两个人对他们的相互关系的看法与他们的互动语言特征。在排除个人语言风格差异的基础上，我们阐明了交互语言特征值的不对称性可以反映个体对彼此关系的不对称看法。我们还讨论了意见不对称程度与个体人格特质的关系。此外，为了具体测量个体对人际关系的不对称看法，我们开发了一个综合交互语言和社会网络特征的新模型。在安然邮件数据集上的实验结果提供了多个关于相互关系的非对称意见证据，也验证了该模型在测量意见不对称程度方面的有效性。
2016-11-15 cs.CL cs.SI
Discovering and Predicting Temporal Patterns of WiFi-interactive Social Populations
人们一直致力于刻画这种复杂网络（系统）的节点（组件）之间丰富的连接模式，在这一领域研究的发展过程中，人们开始思考一个基本问题：网络的复杂拓扑特征如何影响或决定网络系统的集体行为和性能？虽然已经从理论或经验的角度对这一核心问题进行了优雅的尝试，例如，从同步，流行病，进化合作和复杂网络的控制的角度，但在新兴的网络科学领域，这个广泛关注的关键问题仍然是开放的。这些卓有成效的进展也推动了理解（移动）社交网络的愿望，并以相互依赖的集体动态和行为模式来表征人类社会群体。如今，大量的数字技术被不显眼地嵌入到人类日常活动的物理世界中，这为爆炸性的人类物理互动提供了无与伦比的机会，谁在什么时间与谁联系。这些强大的技术包括蓝牙，有源射频识别（RFID）技术，无线传感器，以及更接近我们在本文中感兴趣的WiFi技术。作为现代社会的一个缩影，大学处于WiFi信号的覆盖范围内，WiFi系统会记录授权WiFi用户访问校园无线服务时的数字访问日志。这种WiFi访问记录作为间接代理数据，可以有效地代理大规模人群的社会互动。
2014-12-19 cs.CY cs.SI physics.soc-ph
City of the People, for the People: Sensing Urban Dynamics via Social Media Interactions
了解城市的时空动态是许多应用的核心，包括城市规划，分区和房地产建设。到目前为止，我们对城市动态的大部分了解都来自于传统的调查，这些调查是由个人进行的，或者是通过利用电话详细记录形式的移动数据。然而，与这些方法相关的高昂的财政和人力成本使得数据的可用性非常有限。在本文中，我们研究了使用大规模和公开的用户贡献的内容，以社交媒体帖子的形式来了解城市的城市动态。我们为不同的城市和同一城市的不同社区建立活动时间序列，以确定发生的不同动态模式。接下来，我们对时间序列进行聚类分析，以了解城市模式的空间分布。我们对伦敦和多哈两个城市的实例表明了我们方法的有效性。
2018-07-16 cs.SI physics.soc-ph
Plexus: An Interactive Visualization Tool for Analyzing Public Emotions from Twitter Data
研究人员经常使用社交媒体作为获取人们活动和思想的实时数据的方法。Twitter作为当今最流行的社交网络服务之一，提供了关于各种主题和事件的丰富信息流。挖掘和分析推文使我们能够找到公众对活动或对象的反应和情绪。本文提出了一种交互式可视化工具，识别和可视化的人的情绪上的任何两个相关的主题流和处理数据从Twitter的。这种可视化的有效性进行了评估，并与14名参与者的可行性研究证明。
2017-01-24 cs.HC cs.SI
Uncovering Spatiotemporal and Semantic Aspects of Tourists Mobility Using Social Sensing
旅游业对经济活动、就业、收入的拉动作用和发展的带动作用十分显著，因此，发展旅游业是一项战略性任务。在这项工作中，我们展示了如何社会感知可以用来了解游客和居民的行为的关键特征。我们观察到不同的行为模式，在这些类，考虑到空间和时间维度，文化和区域方面可能发挥重要作用。此外，我们还调查了游客如何移动以及影响他们在伦敦，纽约，里约热内卢和东京移动的因素。此外，我们提出了一种新的方法，基于主题模型，使自动识别的移动模式的主题，最终导致更好地了解用户的配置文件。我们的研究结果的适用性是广泛的，有助于在旅游领域提供更好的应用和服务。
2020-05-18 cs.SI
Image-based Social Sensing: Combining AI and the Crowd to Mine Policy-Adherence Indicators from Twitter
社交媒体提供了大量信息，如果加以适当的汇总和分析，可以为决策者提供重要的统计指标。在某些情况下，这些指标无法通过其他机制获得。例如，鉴于COVID-19疫情持续，政府必须获得有关口罩佩戴、社交距离和其他难以衡量的数量的政策遵守情况的可靠数据。在本文中，我们调查是否有可能通过聚合发布到社交媒体的图像信息来获得此类数据。本文介绍了VisualCit，一个基于图像的社会感知管道，结合了图像识别技术与地理编码和众包技术的最新进展。我们的目标是发现哪些国家的人们在多大程度上遵循COVID-19相关政策指令。我们将结果与CovidDataHub行为跟踪计划中产生的指标进行了比较。初步结果表明，社交媒体图像可以为政策制定者提供可靠的指标。
2021-03-05 cs.CY cs.SI
Game Theoretic Analysis of Tree Based Referrals for Crowd Sensing Social Systems with Passive Rewards
群体感知社会系统依赖于大量个体的参与。由于人类天生具有战略性，因此需要有效的激励机制来鼓励参与。一种流行的招募机制是通过推荐和被动激励，如2009年DARPA网络挑战赛和多级营销计划中获胜团队使用的几何激励机制。这种招募计划对被招募的战略人员所付出的努力的影响尚不清楚。本文试图填补这一空白。给定一棵推荐树和直接和被动的奖励机制，我们制定了一个网络游戏，代理竞争完成人群感知任务。我们的特点的纳什均衡的努力，并得出封闭形式的表达式。我们发现搭便车行为的节点谁获得大量的被动奖励。这项工作对设计有效的众包任务招聘机制具有影响。例如，使用几何激励机制来招募大量个人可能不会导致相称的努力，因为搭便车。
2016-01-27 cs.GT cs.MA cs.SI
A Clonal Selection Algorithm with Levenshtein Distance based Image Similarity in Multidimensional Subjective Tourist Information and Discovery of Cryptic Spots by Interactive GHSOM
Prefectural University of Hiroshima（广岛县立大学）
基于移动电话的自主感知（MPPS）系统涉及一个社区的用户发送个人信息，并通过他们的移动电话参与自主感知。传感数据也可以从外部传感设备获得，这些设备可以无线通信到手机。我们开发的游客主观数据汇集系统可以在Android智能手机上确定过滤规则，以提供旅游景点的重要信息。规则由交互式生长层次SOM自动生成。然而，与照片相关的过滤规则没有生成，因为无法实现从图像中提取指定的特征。我们提出了Levenshtein距离的有效方法来推断图像视点的空间接近度，从而确定图像应被处理的指定模式。为了验证该方法的有效性，本文采用交互式GHSOM和免疫存储单元克隆选择算法对主观数据进行了分类实验。
2018-04-08 cs.CV cs.IR cs.SI
Examining the Social Context of Alcohol Drinking in Young Adults with Smartphone Sensing
根据先前的工作，饮酒者与周围其他人（朋友、家人、配偶等）之间的关系类型，和那些人的数量（单独，与一个人，与一组，等等）。与饮酒的多方面有关，如饮酒量、地点、动机和情绪。尽管在酒精研究中，社会背景被认为是影响年轻人饮酒行为的一个重要方面，但在智能手机传感研究中对这一主题的研究相对较少。在这项研究中，我们分析了瑞士241名年轻人的周末夜生活饮酒行为，使用的数据集包括三个月内的自我报告和被动智能手机传感数据。使用多个统计分析，我们表明，从模式，如加速度计，位置，应用程序的使用，蓝牙和接近的功能可以提供有关不同的社会背景的饮酒。我们使用智能手机传感数据定义和评估了七个社会背景推理任务，在四个两类和三个三类推理中获得了75%-86%的准确率。此外，我们讨论了使用智能手机传感器数据识别一组朋友的性别组成的可能性，准确率超过70%。研究结果令人鼓舞，有助于（a）支持未来对酒精消费的干预措施，更有意义地纳入用户的社会背景，（b）在创建饮酒日志时减少用户自我报告的需要。
2021-08-02 cs.HC cs.SI
Long-Term Profit-Maximizing Incentive for Crowd Sensing in Mobile Social Networks
人群感知是一种新的模式，它利用配备传感器的移动设备提供感知服务，如法医分析，记录公共空间，以及协作构建统计模型。要达致良好的服务质素，用户的广泛参与是不可或缺的。目前，大多数现有的机制集中在保证良好的服务质量的基础上瞬时广泛的用户参与的人群感知应用。很少有人关注一直致力于最大限度地提高长期服务质量的人群传感应用，由于他们的不对称的利益，偏好，自私的行为，等，为了填补这些空白，在本文中，我们推导出封闭的表达的基础上，在经济学的垄断聚集的边际感知数据质量。此外，我们还设计了基于边际质量的长期人群感知应用激励机制，不仅通过最大化移动用户的预期总利润来提高用户的广泛参与，而且通过应用边际质量来激励移动用户生产高质量的内容。最后，仿真结果表明，我们的机制优于现有的解决方案。
2015-05-25 cs.GT cs.NI cs.SI
A planetary nervous system for social mining and collective awareness
我们提出了一个行星神经系统（PNS）的研究路线图，能够感知和挖掘人类活动的数字面包屑，并揭示隐藏在大数据中的知识，以解决有关社会复杂性的重大问题。我们设想的PNS作为一个全球分布的，自组织的，技术社会系统回答分析问题的状态，世界范围内的社会，基于三个支柱：社会传感，社会挖掘，信任网络和隐私意识的想法社会挖掘。我们讨论了在上述三大支柱基础上构建PNS所需的科学和技术的成分，超越了各自的最新技术水平的限制。社会感知旨在开发更好的方法，从技术社会生态系统中收集大数据，并使其可用于挖掘，社会挖掘是从各种社会维度的感知数据中发现人类行为的模式和模型的问题通过数据采掘、机器学习和社会网络分析。可信网络和隐私感知社会挖掘旨在围绕隐私和数据所有权问题创造一个新的交易，使个人能够充分意识和控制自己的个人数据，以便用户可以允许访问和使用他们的数据，为自己的利益和共同利益。PNS将提供一个以目标为导向的知识发现框架，由技术和人员组成，能够自我配置，以回答有关全球社会脉搏的问题。给定分析请求，PNS激活由各种互连任务组成的过程，这些任务利用可信网络提供的透明生态系统内的社交感测和挖掘方法。
2013-04-02 cs.CY cs.SI physics.soc-ph
Whom Should We Sense in "Social Sensing" -- Analyzing Which Users Work Best for Social Media Now-Casting
鉴于公开可用的社交媒体数据量不断增加，人们越来越有兴趣使用在线数据来研究和量化离线“真实”世界中的现象。由于社交媒体数据可以近实时且低成本地获得，因此它通常用于“即时预测”指数，如流感活动或失业水平。在这种情况下，“社会感知”一词通常用来描述用户充当“传感器”的想法，公开报告他们的健康状况或失业情况。在一个时间段内的传感器活动通常通过简单的计数以“一条推文，一票”的方式聚合。与此同时，研究人员欣然承认，社交媒体用户并不能完美地代表实际人口。此外，用户在他们透露的个人生活细节的数量上有所不同。直观地说，应该可以通过为不同的用户组分配不同的权重来改进即时播报。在本文中，我们问“社会感知实际上是如何工作的？或者，更准确地说，“为了获得最佳结果，我们应该感知谁，不应该感知谁？”".我们研究了不同的抽样策略如何影响两个常见的离线指数的即时预测性能：流感活动和失业率。我们发现，即时播报可以通过以下方式得到改善：1）应用用户过滤技术; 2）选择具有完整配置文件的用户。我们还发现，使用正确类型的用户组，即时投射性能不会降低，即使在大幅减少数据集的大小。更根本的是，我们通过询问“喋喋不休者是否更好”来描述哪种类型的用户对准确性贡献最大。最后，我们就如何选择更好的用户组进行更准确的即时预报提供了指导。
2015-11-13 cs.CY cs.SI
Interactive health communication and the construction of the identity of the person with low vision in social media
随着巴西的绿藤运动对数字环境的使用和占用，健康中的信息特征是一个中心的话语资源，并且充满了关于低视力者的思维、感觉和行为的特征方式的（自我）概念。这项工作旨在探讨社会媒体中低视力者关于自己社会身份的话语。根据互动健康交流，对Youtube和Facebook上的视频以及Stargardt虚拟团体的Instagram帖子进行了调查，Stargardt是一个由视力低下和患有Stargardt病的人组成的虚拟社区。从摘录的选择和编码中，识别出42个身份特征，并将其分为08类：（T1）我们视力低下，我们使用绿色手杖;（T2）我们对光敏感，我们戴太阳镜;（T3）我们在日常生活中有困难，但我们使用辅助策略和技术;（T4）我们是PCD（T5）我们寻求了解我们的疾病，我们是它的代言人;（T6）我们有视力障碍，但我们不仅仅是这样;（T7）我们生活在我们看待事物的方式的冲突和矛盾中，以及;（T8）我们承认作为一个社区。这些特征是通过基于同意、不同意和幽默的时刻的构建而交互构建的。论述的方向是巩固适当的身份，与盲人不同，但在视力障碍者的法律框架中相似。
2019-06-15 cs.CY cs.HC cs.SI
Social-Network-Assisted Worker Recruitment in Mobile Crowd Sensing
工人招募是移动人群感知中的一个关键研究问题。虽然以前的研究依赖于一个特定的平台与预先假设的大用户池，本文利用影响传播的社会网络，以协助MCS工人招聘。我们首先在社交网络上选择一个用户子集作为初始种子，并向他们推送MCS任务。然后，接受任务的受影响用户被招募为工作者，最终目标是最大化覆盖率。具体来说，选择一个接近最优的种子集，我们提出了两个算法，分别命名为基本的搜索和快速搜索。Basic-Ranking算法采用了基于预测移动性的迭代贪婪算法，具有良好的性能，但存在效率低下的问题。为了加速选择，快速搜索被提出，这是基于地理位置的相互依赖性的朋友。在两个真实数据集上的实证研究表明，在各种环境下，Fast-Rank方法都比Basic-Rank方法获得了更高的覆盖率，同时，它比Basic-Rank方法效率更高，而仅牺牲了很小一部分覆盖率。
2018-05-22 cs.HC cs.SI
EQSA: Earthquake Situational Analytics from Social Media
本文介绍了EQSA，一个交互式的探索性工具，地震态势分析使用社会媒体。EQSA旨在支持用户描述地震区周围地区的状况，包括相关事件、资源分配和社区响应。在一般层面上，从选定的类别的消息量的变化，帮助用户传达的条件的一般想法。更深入的分析提供了主题演变，社区可视化和位置表示。EQSA具有直观的交互式功能和多个链接视图，可视化社交媒体数据，并支持用户全面了解情况。在本文中，我们介绍了EQSA在VAST Challenge 2019：Mini-Challenge 3（MC 3）数据集上的应用。
2019-10-20 cs.IR cs.SI
Social Data Mining through Distributed Mobile Sensing
在这篇文章中，我们提出了一个分布式框架，收集和分析环境和位置数据记录的人类用户（运营商）使用便携式传感器。我们证明了数据采掘分析记录的环境和位置变量之间的潜力，以及人类活动的分类分析的潜力。我们认识到，这样的实验框架的成功依赖于其候选用户网络的采用率;因此，我们已经建立了我们的实验原型上的硬件设备已经嵌入到潜在用户的日常生活-即硬件传感器安装在现代移动电话。最后，我们提出了对我们收集的数据样本的初步分析结果，以及潜在的进一步工作方向和拟议的用例场景。
2013-08-01 cs.HC cs.SI
Crowdsensing in Opportunistic Mobile Social Networks: A Context-aware and Human-centric Approach
近年来，已经努力在社交事件期间收集人类接触痕迹（例如，会议）使用蓝牙设备（例如，移动电话、iMotes）。这些研究的结果使得能够从人群中进行众包任务，以回答问题，例如：人群的当前密度是多少，或者有多少人参加活动？然而，在这些研究中，传感设备通常以某种方式分布和配置。例如，设备的数量是固定的，人们在自愿的基础上注册设备。在本文中，我们把上述问题作为一个最优化问题，并提请连接到顶点覆盖问题的图论。由于求最小顶点覆盖问题的最优解是NP完全的，所以必须使用近似算法。然而，我们将证明，众所周知的近似算法不执行人群感知任务。在本文中，我们提出了节点的可观察性和覆盖效用得分的概念，并设计了一个新的上下文感知的近似算法来寻找顶点覆盖，是适合人群感知任务。此外，我们设计了以人为中心的自举策略，根据参与者的Meta信息（例如，兴趣，友谊）。其动机是将传感任务分配给更“社会化”的设备，以获得更好的传感覆盖。我们在会议和学术社会背景下从以前的实验研究中获得的真实世界的数据痕迹进行全面的实验。结果表明，我们提出的方法显着优于基线近似算法的感知覆盖范围。
2017-04-27 cs.SI
Sensing the Pulse of the Pandemic: Geovisualizing the Demographic Disparities of Public Sentiment toward COVID-19 through Social Media
本研究利用2020-2021年美国Twitter数据，提出人口统计学调整情绪（SAD）指数以缓解社交媒体分析中的人口偏差，揭示不同群体对COVID-19情绪的时空差异及各州情绪分布。
2023-08-02 cs.CY cs.SI physics.soc-ph
Joint Source Selection and Data Extrapolation in Social Sensing for Disaster Response
本文补充了大量的社会感知文献的发展手段，增加感知数据的推理结果，“填补”缺失的部分。它具体探讨了（i）用于填充缺失片段的推理技术和（ii）用于确定检索哪些片段以改善推理结果的源选择技术之间的协同作用。我们专注于灾难场景中的预测，其中发生破坏性趋势变化。我们首先讨论我们以前的会议研究，比较了一组预测算法，并开发了一个混合预测算法。然后，我们通过考虑提高推理质量的传感器选择算法来增强预测方案。我们提出的源选择和外推算法进行了测试，在2012年11月飓风桑迪之后的纽约市危机期间收集的数据。评估结果表明，一贯良好的预测。这项工作是值得注意的，以解决在复杂的系统受到压力，其中平静的时期穿插着严重变化的时期的损伤传播的双模态性质。它是新颖的，提供了一个新的解决方案的问题，共同利用源选择和外推组件，从而改善的结果。
2015-12-01 cs.SI
The Twitter Explorer: a Framework for Observing Twitter through Interactive Networks
我们提出了一个开放源代码的界面，科学家通过交互式网络可视化来探索Twitter数据。twitter explorer将数据汇集、转换和可视化结合在一个易于访问的框架中，通过交互网络和语义网络的交互式探索，将Twitter数据的远距离和近距离阅读联系起来。通过降低数据驱动研究的技术障碍，它旨在吸引来自不同学科背景的研究人员，并促进计算社会科学蓬勃发展领域的新观点。
2021-04-07 cs.SI
Interactive Event Sifting using Bayesian Graph Neural Networks
Univ. of Campinas (Unicamp)（坎皮纳斯大学）；Washington University in St. Louis（圣路易斯华盛顿大学）
针对司法调查中社交媒体无关帖筛选的难题，提出基于贝叶斯图神经网络的交互式训练方法，结合主动学习与伪标签减少人工标注，验证了该方法的有效性及未标注数据的增益作用。
2024-10-07 cs.LG cs.SI
Social Network Processes in the Isabelle and Coq Theorem Proving Communities
University of Edinburgh（爱丁堡大学）
我们确定了在伊莎贝尔和科克社区的主要演员，并描述他们如何影响和影响他们的同龄人。这项工作探讨了社会网络分析的基础，我们希望在ProofPeer项目的背景下，这是一个新的模式，互动的定理证明的基础上合作和社会互动是有用的。
2016-09-22 cs.AI cs.LO cs.SI
Sensing Social Media Signals for Cryptocurrency News
ETH Zurich（苏黎世联邦理工学院）
实时跟踪和监控相关和重要新闻的能力在多个工业部门中至关重要。在这项工作中，我们专注于加密货币新闻，最近成为普通和金融观众的新兴兴趣。为了实时跟踪相关新闻，我们（i）将网络新闻与社交媒体的推文进行匹配，（ii）跟踪他们的日内推文活动，（iii）探索不同的机器学习模型，以预测文章发布后的前24小时内在Twitter上的提及次数。我们比较了几个机器学习模型，如线性外推，线性和随机森林自回归模型，和序列到序列的神经网络。我们发现，随机森林自回归模型的行为更复杂的模型在大多数任务。
2019-03-27 cs.LG cs.SI stat.ML
On the Feasibility of Social Network-based Pollution Sensing in ITSs
密集的车辆交通被认为是一个全球性的社会问题，对人的生活质量有多方面的影响。智能交通系统（ITS）可以在解决这一问题，降低污染水平，从而减少其负面影响方面发挥重要作用。事实上，ITS的目标之一是控制交通流量，测量交通状态，为车辆提供全球追求低污染条件的路线。在过去的几年里，这种系统如何测量和执行给定的交通状态一直是多项研究工作的中心。虽然已经提出了许多不同的解决方案，但在这种情况下，非常有限的努力被投入到探索社会网络分析的潜力。一般而言，社交网络提供来自人们的直接反馈，并且因此提供潜在地非常有价值的信息。例如，一个帖子告诉一个人在给定时间在给定地点对污染的感觉，可以被环境意识ITS很好地利用，旨在最大限度地减少住宅区的污染物排放。这项工作验证了使用污染相关的社会网络饲料到ITS业务的可行性。特别是，它专注于了解这些信息的可靠性，产生了一个分析，面对超过1，500，000个职位和污染数据从现场传感器在一年的跨度。
2014-11-28 cs.NI cs.SI
Gender Matters! Analyzing Global Cultural Gender Preferences for Venues Using Social Sensing
性别差异是社会科学家们积极研究的一个世界性现象。传统上，用于支持这类研究的数据是人工获得的，通常是通过志愿者调查获得的。然而，由于手动步骤导致其固有的高成本，此类传统方法无法快速扩展到大规模研究。我们在这里调查性别差异的一个特殊方面：对场地的偏好。为此，我们探索使用从Foursquare收集的签到数据来估计物理世界中场地的文化性别偏好。为此，我们首先证明，通过分析世界各地区的签到数据，我们可以发现性别群体之间对特定场所的偏好存在显着差异。其中一些重大差异反映了众所周知的文化模式。此外，我们还收集了证据，证明我们的方法提供了有关现实世界中特定地区场地性别偏好的有用信息。这表明观察到的性别和地点偏好可能不是独立的。我们的研究结果表明，我们提出的方法可能是一个很有前途的工具，以支持研究性别偏好的场地在世界各地不同的空间粒度，比传统的方法更快，更便宜，除了快速捕捉现实世界中的变化。
2017-03-18 cs.SI
Comparing Global Tourism Flows Measured by Official Census and Social Sensing
更好地了解游客的行为对于改善全球旅游业中竞争激烈和重要的经济部门的服务具有战略意义。文献中的批判性研究经常使用传统数据（如问卷调查或访谈）来探讨这一问题。传统方法提供了宝贵的信息;然而，它们对获得大规模数据提出了挑战，使得难以研究全球模式。基于位置的社交网络（LBSN）由于获取大量行为数据的成本相对较低，因此可以潜在地缓解这些问题。然而，在使用这些数据研究游客的行为之前，有必要验证这些信息是否充分揭示了用传统数据测量的行为-考虑到地面真相。因此，目前的工作调查，在哪些国家的全球旅游网络测量与LBSN agreeously反映了世界旅游组织使用传统方法估计的行为。虽然我们可以找到例外，结果表明，对于大多数国家，LBSN数据可以令人满意地代表研究的行为。我们有一个迹象表明，在两个数据集获得的结果之间具有高度相关性的国家，LBSN数据可以用于研究在所研究的背景下的游客的流动性。
2022-03-11 cs.DB cs.SI
Understanding Crowd Behaviors in a Social Event by Passive WiFi Sensing and Data Mining
Singapore University of Technology and Design（新加坡科技设计大学）
了解大型社会活动中的人群行为对活动管理至关重要。被动式WiFi传感通过收集移动设备发送的WiFi探测请求，与人员计数器和摄像头相比，在无干扰、覆盖范围更大、成本更低以及更多关于人员移动的信息方面，提供了更好的监测人群的方式。然而，在现有的研究中，没有足够的重视对收集到的数据进行深入的分析和挖掘。特别是，机器学习的力量还没有得到充分利用。因此，在本文中，我们提出了一个全面的数据分析框架，充分分析收集的探测请求，以提取三种类型的模式相关的人群行为在一个大型的社会事件，统计，可视化和无监督机器学习的帮助下。首先，从探测请求中提取移动设备的轨迹并进行分析，以揭示人群运动的空间模式。采用层次凝聚聚类来寻找不同位置之间的相互联系。其次，k-均值和k-形聚类算法被应用于提取时间访问模式的人群的天和地点，分别。最后，通过与时间相结合，将轨迹转化为时空模式，揭示轨迹持续时间如何随长度变化以及人群运动的总体趋势如何随时间变化。所提出的数据分析框架，充分展示了使用在一个大型的社会活动中收集的真实世界的数据。结果表明，可以从被动WiFi传感器网络收集的数据中提取全面的模式。
2020-02-05 cs.LG cs.SI stat.AP
