Reconstructing social sensitivity from evolution of content volume in Twitter
我们建立了一个简单的数学模型，以媒体报道和社会互动方面的公众利益的动态。我们在2020年美国与暴力有关的一系列事件上测试了该模型，使用推文和转发量作为公众利益的代理，新闻量作为媒体报道的代理。该模型成功地拟合了数据，并允许推断与人类流动数据相关的社会敏感性的度量。这些研究结果表明，调节社会反应的基本成分和机制能够点燃社会动员。
2022-10-03 cs.SI physics.soc-ph
Where are my followers? Understanding the Locality Effect in Twitter
Twitter是目前互联网上使用最多的应用程序之一，迄今已创建了超过2亿个帐户。与其他大规模系统一样，Twitter也可以利用用户之间存在的局部性效应来获得优势。在本文中，我们进行了第一次全面的研究，Twitter的本地化效应。为此，我们收集了大约100万Twitter用户及其1600万追随者的地理位置。我们的研究结果表明，语言和文化特征决定了不同国家的本地化水平。那些语言不同于英语的国家，如巴西，通常表现出很高的国内局部性，而那些英语是官方语言或共同官方语言的国家则受到外部局部性效应的影响。也就是说，他们的用户在美国的粉丝数量比在同一个国家的粉丝数量要多。这是由两个原因造成的：第一，美国是Twitter的主导国家，大约有一半的用户，第二，这些国家与美国有共同的语言和文化特征。
2011-05-18 cs.SI physics.soc-ph
Community detection and role identification in directed networks: understanding the Twitter network of the care.data debate
随着社交媒体作为辩论和讨论公共事务的重要渠道的兴起，推特等在线社交网络已成为公共信息和决策者参与的重要平台。为了通过Twitter进行有效沟通，政策制定者需要了解影响力和兴趣如何在其用户网络中传播。在这一章中，我们使用图论方法来分析围绕NHS英格兰的有争议的care.data计划的Twitter辩论。方向性是Twitter社交图的一个重要特征--信息从追随者流向追随者--但在社会网络分析中经常被忽略;我们的方法基于网络上动态过程的行为，可以自然地应用于有向网络。我们发现了强大的用户社区，并表明这些社区反映了信息如何通过Twitter网络流动。我们还可以根据用户在引导网络信息流中的不同角色对他们进行分类。我们的方法和结果将是有用的政策制定者谁想要有效地使用Twitter作为一种沟通媒介。
2015-08-13 cs.SI physics.soc-ph
On the Potential of Twitter for Understanding the Tunisia of the Post-Arab Spring
通过Twitter的微博客使信息简短扼要，更重要的是可以系统地搜索。这项工作是通过微型博客网站Twitter获得突尼斯人对突尼斯的观察的系列中的第一项。数据是使用开源Twitter API v1.1提取的。使用功能搜索操作程序获取特定推文，特别是主题主题标签、地理位置、日期、时间和语言。突尼斯在国际推文流中的存在，突尼斯居民通过Twitter进行交流的语言以及突尼斯各地的Twitter使用情况是本文关注的中心。
2014-01-18 cs.CY cs.SI physics.soc-ph
Social media and mobility landscape: uncovering spatial patterns of urban human mobility with multi source data
在本文中，我们提出了一个三步的方法框架，包括位置识别，偏差修正，样本外验证，以促进人类移动性分析与社会媒体数据。更具体地说，我们提出的方法来确定个人活动的具体地点和通勤模式，在中国北京，基于微博（中国的Twitter）的签到记录，以及修改签到数据的样本偏差与人口合成技术。一项独立的全市旅游物流调查被用作验证结果的基准。从微博用户和调查对象的活动-移动模式中可以看出明显的差异，而两种来源的数据在人口代表性方面存在很大差异。经过偏差修正后，微博数据与调查数据的通勤距离分布相似系数从23%大幅提高到63%。事实证明，合成数据是一种令人满意的具有成本效益的流动信息替代来源。拟议的框架可以为许多与人类流动有关的应用提供信息，从交通到城市规划再到交通排放建模。
2018-08-13 cs.SI physics.soc-ph
Mapping mobility patterns to public spaces in a medium-sized city using geolocated tweets
这项研究证明了开放式大数据在绘制中等城市移动模式方面的有用性。受大数据在全球范围内和大都市地区所允许的新颖分析的启发，我们开发了一种方法，旨在以最低的成本通过点菜空间边界和更新数据来补充始发地-目的地调查。本文验证了使用Twitter的数据映射的影响，智利康塞普西翁的大都市区的不同部分的公共空间。研究结果已得到当地专家的验证，并证明了主要的流动模式向社会互动的空间，如商场，休闲区，公园等。该地图代表了从人口普查区到不同类别的公共空间的流动模式，并以大都市规模的示意线为中心，以康塞普西翁市（智利）及其周边地区（约10公里）为中心。
2016-08-08 cs.SI physics.soc-ph
Investigating the potential of social network data for transport demand models
基于位置的社交网络数据提供了在较长时间内以微不足道的成本从大量用户收集数据的承诺。虽然有几项研究将社交网络数据应用于活动和流动性分析，但缺乏与旅行日记和一般统计数据的比较。在本文中，我们分析了来自新加坡和邻国的大量用户的地理参考Twitter活动。通过结合这些数据，人口统计和旅行日记，并应用聚类技术，我们解决了活动位置的检测，以及这些位置之间的空间分离和过渡。由于twitter数据的分散性质，核密度估计在检测活动位置方面表现最好;每个用户检测到的活动位置比旅行调查中报告的要多。描述性分析表明，确定家庭的位置是更困难的比检测工作位置的大多数规划区。从Twitter数据中检测到的活动位置之间的空间间隔-如旅行调查中报告的和公共交通灵巧卡数据捕获的-大多分布相似，但也显示出非常短和非常长的距离的相关差异。这也适用于区域之间的过渡。Twitter数据和其他数据来源之间的差异是否源于人口子样本、聚类方法的差异，或者社交网络是否在特定地点被更多地使用，必须通过进一步的研究来确定。尽管存在这些缺点，但基于位置的社交网络数据为深入了解活动地点和移动模式提供了一个有前途的数据源，特别是对于旅行调查数据不容易获得的地区。
2017-06-30 cs.SI physics.soc-ph
Who Makes Trends? Understanding Demographic Biases in Crowdsourced Recommendations
像Facebook和Twitter这样的社交媒体网站的用户依赖于众包内容推荐系统（例如，趋势主题）检索重要和有用的信息。选择推荐的内容间接地给那些推广（通过点赞或发帖）内容的初始用户一个机会，将他们的信息传播给更广泛的受众。因此，重要的是要了解那些使内容值得推荐的人的人口统计数据，并探索他们是否代表媒体网站的总人口。在这项工作中，使用从Twitter收集的大量数据，我们首次尝试量化和探索众包推荐中的人口统计学偏见。我们的分析集中在趋势主题的选择上，发现很大一部分趋势是由人群推动的，这些人群的人口统计数据与Twitter的总体人口统计数据显著不同。更令人担忧的是，我们发现某些人口群体在热门话题的推动者中系统性地代表不足。为了使Twitter趋势中的人口统计偏见更加透明，我们在twitter-app.mpi-sws.org/who-makes-trends上开发并部署了一项基于Web的服务“Who-Makes-Trends”。
2017-04-01 cs.SI physics.soc-ph
Cross-checking different sources of mobility information
新的移动设备的普遍使用使得人们能够在空间和时间上更好地描述一般的人类集中和流动性。除了理论上的兴趣之外，描述流动性对于许多实际应用都非常重要，从疾病传播的预测到城市环境中新空间的设计。虽然诸如调查或人口普查之类的经典数据源具有有限的地理分辨率水平（例如，通常使用区、市、县）或限于一般的工作日或周末，来自移动设备的数据可以在时间和空间上精确定位。大多数以前的作品使用单一的数据源来研究人类流动模式。在这里，我们通过比较从三个不同来源收集的数据获得的结果进行交叉检查分析：Twitter，人口普查和手机。分析的重点是巴塞罗那和马德里的城市地区，这三种类型的数据可用。我们评估了不同方面的数据集之间的相关性：人口集中的空间分布，人口密度的时间演变和个人的流动模式。我们的研究结果表明，这三个数据源提供了可比的信息。尽管Twitter地理定位数据的代表性低于移动电话和人口普查数据，但三个数据集检测到的人口密度分布和流动模式之间的相关性在2x2和1x1平方公里的网格中接近1。这种相关性支持在所考虑的时空尺度上互换三个数据源的可行性。
2014-08-26 cs.CY cs.SI physics.soc-ph
Tweets on the road
每天都在增加的移动设备的普及正在产生大量的地理定位数据，使我们能够进一步了解人类行为。特别是，这项新技术使用户能够随时随地通过Twitter等移动社交媒体应用程序进行通信。因此，地理定位的推文提供了可能性进行深入研究的人类流动。在本文中，我们通过识别2012年9月至2013年11月期间在欧洲公路和铁路上发布的推文来研究Twitter在交通运输中的使用。我们计算了39个国家的公路和铁路部分被推文覆盖的百分比。各国的覆盖率差异很大，其差异性可以部分解释为Twitter渗透率的差异。尽管如此，其中一些差异可能与有关移动习惯和在线社交互动的文化因素有关。分析特定的道路部门，我们的研究结果显示，在法国和英国的公路上的推文数量和平均年日交通量之间存在正相关关系。运输方式也可以用这些数据来研究，我们发现整个大陆的使用模式非常多样化。
2014-05-20 cs.CY cs.SI physics.soc-ph
Studying Social Networks at Scale: Macroscopic Anatomy of the Twitter Social Graph
Twitter是最大的社交网络之一，在帐户之间使用专门的定向链接。这使得Twitter社交图比Facebook更接近支持现实生活通信的社交图。因此，理解Twitter社交图的结构不仅对计算机科学家来说很有趣，对其他领域的研究人员（如社会学家）来说也很有趣。然而，很少有人知道如何在Twitter上的信息传播是由其内部结构的约束。在本文中，我们提出了一个深入研究的宏观结构的Twitter的社交图揭示的高速公路上的推文传播，与此宏观结构的每个组件相关联的特定的用户活动，以及这个宏观结构的演变随着时间的推移，在过去的6年。在这项研究中，我们抓取Twitter以检索所有帐户和帐户之间的所有社交关系（跟随链接）;抓取于2012年7月完成，其中5.05亿个帐户通过230亿个链接相互连接。然后，我们提出了一种方法来揭示Twitter社交图的宏观结构。该宏观结构由8个组件组成，这些组件由其连接特性定义。每个组件都将具有特定Twitter用法的用户分组。例如，我们确定了聚集垃圾邮件发送者或名人的组件。最后，我们提出了一种方法来近似Twitter社交图的宏观结构在过去，使用旧的数据集验证这种方法，并讨论了Twitter社交图的宏观结构在过去6年的演变。
2014-04-04 cs.SI physics.soc-ph
Constructing a taxonomy of fine-grained human movement and activity motifs through social media
得益于网络规模的社会数据集的出现，许多最近的研究系统地探讨了大人口和大时间尺度上的人类流动模式。然而，相对较少的注意力已经支付给流动性和活动在较小的时间尺度，如一天。在这里，我们使用Twitter来识别人们经常访问的位置以及他们可能的活动，作为一天中的时间和一周中的一天的函数，利用消息的内容和地理位置。随后，我们描述了人们的过渡模式图案，并表明，空间信息编码在词的选择。
2015-05-11 cs.SI physics.soc-ph
Why Do You Spread This Message? Understanding Users Sentiment in Social Media Campaigns
Twitter越来越多地被用于传播有关竞选活动的信息。这些活动试图通过他们的推特账户获得追随者，影响追随者并通过他们传播信息。在本文中，我们探讨了追随者的情绪对运动的主题和他们的转发率的运动所产生的消息之间的关系。我们对多个社交媒体活动的追随者进行了分析，发现这种情绪和转发率之间存在统计学显著相关性。根据我们的分析，我们在不同社交媒体活动的追随者中进行了一项在线干预研究。我们的研究表明，基于他们对活动的情绪来定位追随者可以比其他一些基线方法提供更高的转发率。
2014-03-24 cs.SI physics.soc-ph
Efficiency of Human Activity on Information Spreading on Twitter
了解对个人行为的集体反应是在社交媒体上有效传播信息的关键。在这项工作中，我们定义的Twitter上的效率，作为新兴的传播过程和用户所采用的活动之间的比率。我们通过对人类互动中出现的结构和动态模式的定量分析来表征这一属性，并表明它在几个Twitter对话中具有普遍性。我们发现，一些有影响力的用户通过发送的每条消息有效地引起了显着的集体反应，而大多数用户必须付出更大的努力才能达到类似的效果。接下来，我们提出了一个模型，再现发生在Twitter上的转发级联来解释用户效率的紧急分布。该模型表明，会话的动态模式强烈地受到底层网络的拓扑结构的制约。我们的结论是，一小部分非常有效的用户的外观的结果从追随者网络的异质性和独立的个人用户行为。
2014-11-03 cs.SI physics.soc-ph
Modeling collective human mobility: Understanding exponential law of intra-urban movement
了解城市交通模式非常重要，因为大多数出行集中在城市地区。本文提出了一个新的模型来模拟城市地区的集体人类流动。该模型不仅可以预测城市内部的个体流动，而且可以预测国家或更大范围内的个体流动。基于该模型，可以得出结论，距离分布的指数规律归因于人类出行需求的平均密度呈指数下降。由于人类出行需求的分布仅取决于城市规划、人口分布、区域功能等，这说明城市的这些固有属性是推动人类集体流动的动力。
2012-12-27 cs.SI physics.soc-ph
Towards Understanding the Impact of Human Mobility on Police Allocation
最近的研究结果表明，人类流动是大城市犯罪行为的代理人，人们的流动和犯罪之间存在超线性关系，本文旨在评估这些研究结果如何影响警察分配的影响。更准确地说，我们揭示了分配策略之间的差异，其中资源是由流动人口集群分配，而传统的分配策略，其中警察资源是由行政区域（通常基于常住人口）分配。我们观察到，在这些策略下，警察资源分配的分布有很大的差异，这证明了传统的警察分配方法的不精确性。
2017-04-25 cs.SI physics.soc-ph
Understanding the impact of socialbot attacks in online social networks
像Twitter或Facebook这样的在线社交网络（OSN）是流行和强大的，因为它们允许在线接触数百万用户。它们也是社交机器人攻击的热门目标。如果不深入了解这种攻击的影响，在线社交网络作为促进对话或民主进程的工具的潜力就会受到威胁。在这个扩展的摘要中，我们提出了来自现场实验室实验的见解，其中社交机器人旨在操纵在线社交网络的社交图，在我们的案例中是Twitter。我们探索了目标人类用户之间的链接创建行为，我们的结果表明，社交机器人可能确实有能力塑造和影响在线社交网络中的社交图谱。然而，我们的研究结果也表明，外部因素可能发挥了重要作用，在创造社会联系的OSN。
2014-02-25 cs.SI physics.soc-ph
Triangles as basis to detect communities: an application to Twitter's network
如今，科学界对社交网络产生的数据的调查的兴趣随着社交网络数据的指数增长而增加。数据结构的复杂性是阻碍他们理解的障碍之一。另一方面，社交网络中的社区发现有助于分析者揭示社区的结构和潜在语义。在本文中，我们提出了一个交互式的可视化方法依赖于我们的应用程序NLCOMS，它使用同步和相关的图形和社区的可视化视图。此外，我们提出了我们的算法在网络中的社区发现。对LFR [9]-[10]基准生成的实例进行了计算研究。最后，为了评估我们在真实世界数据上的方法，我们考虑了ANR-Info-RSN项目的数据。后者解决了Twitter中的社区发现。
2016-06-17 cs.SI physics.soc-ph
Understanding International Migration using Tensor Factorization
人口学家和社会科学家对了解人类迁移非常感兴趣。用户生成的数字数据使得在全球范围内研究这种模式变得更加容易。特别是地理编码的推特数据已被证明是分析大规模人类移徙的一个有前途的来源。但是考虑到这些数据集的规模，必须投入大量的手动工作来处理这些数据并从中获得可操作的见解。在本文中，我们探讨了使用一种新的工具，张量分解，了解全球人类迁移的趋势的可行性。我们将人口迁移建模为一个三模张量，由（来源国，目的地国，迁移时间）组成，并应用CP分解得到有意义的低维因素。我们在一个大型Twitter数据集上的实验跨越5年，超过1亿条推文，表明我们可以提取有意义的迁移模式。
2017-02-16 cs.SI physics.soc-ph
Understanding mobility in a social petri dish
尽管最近获得了大量关于人类运动的数据集，但由于社会经济因素的信息不完整，而且时空分辨率往往有限，仍然缺乏对社会系统内运动规律的充分了解。在这里，我们研究的是一个由个人组成的整个社会，一个在线游戏的玩家，他们在网络状的宇宙中的运动以及他们的社会和经济互动的完整信息。这样一个“社会经济实验室”可以揭示空间限制、社会和经济因素以及流动模式之间错综复杂的相互作用。我们发现，个人的运动不仅受到物理距离的限制，但也强烈塑造的社会经济领域的存在。这些区域可以完全恢复社区检测方法的基础上测量的人体动态。此外，我们发现，长期记忆的时间顺序访问的位置是建模的轨迹的基本成分。
2011-12-06 cs.SI physics.soc-ph
Collective behaviour of social bots is encoded in their temporal Twitter activity
计算宣传部署社交或政治机器人，试图塑造、引导和操纵在线公共讨论，并影响决策。社交机器人群体的集体行为尚未得到广泛研究，尽管对机器人之间交互所产生的集体模式的理解将有助于社交机器人检测。在这里，我们表明，从Twitter活动中检测到的机器人群体和人类群体之间的集体行为存在显着差异。使用我们在英国欧盟公投活动期间收集的大量推文数据集，我们根据用户高频推文活动的序列长度将其分为机器人群体和人类群体。我们发现，虽然用户之间的成对相关性很弱，但它们与集体相关状态共存，但是两个群体的相关性和共同尖峰概率的统计数据不同。我们的研究结果表明，社交媒体中的社交机器人和人类用户群体表现出类似于在临界点附近的社交和生物系统中发现的集体属性。
2017-05-31 cs.SI physics.soc-ph
Aggregate Characterization of User Behavior in Twitter and Analysis of the Retweet Graph
以前对Twitter用户行为的大多数分析都集中在个人信息级联和社交粉丝图上。相反，我们研究聚合用户行为和转推图，重点是定量描述。我们发现，寿命鸣叫分布是一个II型离散威布尔源于幂律风险函数，鸣叫率分布，虽然渐近幂律，表现出对数正态截止在有限的样本间隔，和鸣叫间隔分布是幂律指数截止。转推图是小世界和无标度的，就像社交图一样，但不那么分散，并且具有更强的聚类。这些差异与它更好地捕捉用户之间的真实社会关系和信任是一致的。除了理解和建模人类的通信模式和社交网络，应用替代，分散的微博系统，无论是预测现实世界的表现和检测垃圾邮件进行了讨论。
2014-02-11 cs.SI physics.soc-ph
Global multi-layer network of human mobility
最近获得了记录个人活动的地理定位数据以及关于国际移徙的统计数据，为研究全球流动性提供了前所未有的机会。在本文中，我们从多层复杂网络的角度来考虑它，该网络使用三个数据集的组合构建：Twitter，Flickr和官方移民数据。这些数据集提供了关于全球流动性的不同但同样重要的见解：前两个突出了人们从一个国家到另一个国家的短期访问，最后一个-移民-显示了长期流动性的观点，当人们永久搬迁时。本文的主要目的是强调这种多层方法同时捕获人类移动性的两个方面的重要性。因此，我们从网络层的比较研究开始，通过相应网络的统计特性，例如其度中心分布的参数或适合网络的相应引力模型的参数，比较短期和长期移动性。我们还关注了各国短期和长期吸引力排名的差异，讨论了最明显的离群值。最后，我们应用这个多层次的人类流动网络来推断全球社会的结构，通过一个社区发现的方法，并证明考虑从多层次的角度来看，流动性可以揭示重要的全球空间格局的方式更符合其他可用的相关来源的国际连接，在从每个网络层分别采取的空间结构相比。
2016-01-21 cs.CY cs.SI physics.soc-ph
The Predictive Power of Social Media: On the Predictability of U.S. Presidential Elections using Twitter
Twitter作为一种新的社交媒体形式，可能包含有用的信息，为推文内容分析提供了新的机会。本文研究了Twitter对2012年美国总统大选的预测能力。在这项研究中，我们通过结合使用机器学习技术分析了3200万条关于美国总统大选的推文。为了提高Twitter内容分析的准确性，我们设计了一个用于情感分析的高级分类器。我们通过将Twitter结果与传统民意调查进行比较来进行分析。此外，我们使用潜在的Dirichlet分配模型，从选定的推文中提取潜在的主题结构。我们的研究结果表明，我们可以通过运行情感分析来确定候选人的受欢迎程度。我们还可以通过对带有地理标签的推文运行情感分析算法来发现候选人在美国各州的受欢迎程度。据我们所知，没有以前的工作在该领域提出了一个系统的分析相当数量的推文采用的分析技术相结合，我们进行了这项研究。因此，我们的研究结果恰当地表明，Twitter作为一个众所周知的社交媒体是预测未来事件（如选举）的有效来源。这意味着，通过社交媒体了解公众意见和趋势反过来又使我们能够提出一种具有成本效益和时间效益的方式，不仅用于传播和分享信息，而且用于预测未来事件。
2014-07-01 cs.CY cs.SI physics.soc-ph
Migrant mobility flows characterized with digital data
监测移徙流动对于应对人道主义危机和制定有效政策至关重要。这些信息通常来自调查和边境管制，但及时获取和方法上的关切降低了其有用性。在这里，我们提出了一种方法来检测全球范围内使用地理定位的Twitter数据的迁移流。我们关注委内瑞拉的移民危机，并表明计算的流量与国家一级的官方统计数据一致。我们的方法是多功能和深远的，因为它可以用来研究移民的不同特点，如首选路线，定居区，通过几个国家的流动性，城市的空间整合等，它提供了更好的地理和时间分辨率，允许探索官方记录中没有考虑的问题。我们希望，这些新的信息来源能够补充官方信息来源，帮助当局和人道主义组织更好地评估何时何地进行实地干预。
2019-08-07 cs.CY physics.soc-ph
Measures of Human Mobility Using Mobile Phone Records Enhanced with GIS Data
在过去的十年中，大规模的移动电话数据已成为人类运动模式的研究。这些数据为大规模了解人类行为提供了巨大的希望，并且具有人口普查，调查或其他现有数据收集技术前所未有的精确度和准确性。已经有大量的文献使用这一令人兴奋的新数据源在理解人类流动方面取得了重要进展，并且已经使用了几种不同的流动性测量方法。然而，现有的移动电话为基础的移动性措施是不一致的，不准确的，并与当地的社会特点混淆。最好立即制定新的措施，因为它们将影响未来使用移动电话数据进行的流动性研究。在本文中，我们正是这样做的。我们讨论现有的移动电话为基础的措施的流动性和描述新的方法来测量流动性，解决这些问题。我们的流动性的措施，其中包括手机记录和详细的GIS数据，旨在解决人类流动的空间性质，保持独立的社会特征的背景下，并在地理区域和时间的可比性。我们也贡献了各种用途的讨论，这些新的措施，在发展一个更好地了解人类流动如何影响微观层面的人类行为和福祉，以及宏观层面的社会组织和变化。
2014-08-20 cs.SI physics.soc-ph stat.AP
Improving Urban Mobility by Understanding its Complexity
城市交通系统是一个由多个要素组成的具有强相互作用的系统，其未来的发展由其他要素的状态共同决定。因此，孤立地研究组成部分，即使用简化的方法，是不适当的。基于对复杂系统的科学研究，我提出了五条改善城市交通的建议：使用自适应而不是预测，调节交互以避免摩擦，使用传感器来恢复实时信息，开发自适应算法来利用这些信息，并部署代理人对城市环境采取行动。
2016-03-14 nlin.AO physics.soc-ph
Understanding Urban-Rural Disparities in Mobility Inefficiency for Colombia, Mexico, and India
本研究基于位置服务数据，通过网络渗流法划定城乡边界并开发路径低效性指标，揭示了城乡出行低效性的时空差异及其与公共交通可达性的错位，为公平的区域规划提供了新见解。
2025-03-03 physics.soc-ph
Cascading Walks Model for Human Mobility Patterns
揭示人体运动轨迹中尺度律的形成机制对于理解许多时空现象具有重要意义。结合探索和优先回报，我们提出了一个简单的动力学模型，主要是基于级联过程来捕捉人类流动模式。通过数值模拟和分析研究，我们发现了五个以上的统计特征，包括几种类型的标度异常和超低扩散特性，这表明与其他两种机制相关的级联过程确实是理解人类流动活动的关键。此外，不同的个人移动和聚合缩放移动长度，桥梁微观和宏观模式的人类流动。我们的模型提供了更深入的理解人类流动模式的出现。
2013-05-23 physics.bio-ph physics.soc-ph
Understanding the Predictive Power of Computational Mechanics and Echo State Networks in Social Media
University of Maryland（马里兰大学）
有大量的兴趣了解社交媒体的用户，以预测他们在这个空间的行为。尽管有这种兴趣，但社交媒体中的用户可预测性并没有得到很好的理解。为了研究这个问题，我们考虑了一个在Twitter上有15000名用户的网络，时间跨度为7周。我们采用两种对比的建模范式：计算力学和回声状态网络。这两种方法都试图根据用户过去的行为来建模用户的行为。我们证明，Twitter上的用户的行为可以很好地建模为过程与自我反馈。我们发现，这两种建模方法对大多数用户的性能非常相似，但它们在一小部分用户上的性能不同。通过探索这些性能差异化用户的属性，我们强调了将预测模型应用于动态社交数据所面临的挑战。
2013-08-23 cs.LG cs.SI physics.soc-ph
Understanding Predictability and Exploration in Human Mobility
人类移动性预测模型在交通控制、普适计算和上下文广告等领域有着重要的应用。文献中模型的预测性能差异很大，从高达93%到低至40%以下。在这项工作中，我们调查哪些因素影响下一个地方预测的准确性，使用超过400个用户的高精度位置数据集，为期3个月至一年。我们表明，它是更容易实现高精度时，预测的时间仓位置比预测下一个地方。此外，我们展示了如何的时间和空间分辨率的数据可以有很大的影响预测的准确性。最后，我们发现，探索新的地点是人类流动的一个重要因素，我们测量到，平均20-25%的过渡是到新的地方，大约20%的过渡是到新的地方。70%的地点只访问一次。我们讨论这些机制是如何限制我们预测人类流动性的能力的重要因素。
2016-08-05 cs.CY physics.soc-ph
Mobility signatures: a tool for characterizing cities using intercity mobility flows
了解城市之间人类流动的模式有各种各样的应用，从交通工程到传染病传播的空间建模。我们采用以城市为中心，数据驱动的视角来量化这些模式，并引入移动签名作为了解城市（或地区）如何嵌入更广泛的移动网络的工具。我们展示了移动签名的方法，通过两个应用程序，建立在基于移动电话的数据从芬兰的潜力。首先，我们使用流动性特征表明，众所周知的辐射模型是更准确的流动性流与较大的城市，而传统的重力模型似乎更适合人口较少的地区。其次，我们说明了SARS-CoV-2大流行如何在2020年春季扰乱芬兰的流动模式。这两个案例证明了移动签名快速捕获移动流特征的能力，这些特征是使用更传统的方法难以提取的。
2021-12-03 cs.CY physics.soc-ph
Toward a General Understanding of the Scaling Laws in Human and Animal Mobility
最近的研究强调了人类和动物移动的缩放特性。一个有趣的问题是，动物和人类在不同情况下的标度律指数是完全不同的。本文提出了一个一般的优化模型，即一个遵循标度律的随机步行者（其每步的行走距离服从指数为α的幂律分布）在给定的总行走距离下，以一个返回家乡的概率使其访问地点多样化。结果表明，不同的最佳指数在1和2之间可以自然出现。因此，人类和动物的流动性的标度属性可以理解在我们的框架中，标度律指数的差异是由于在访问地点多样性最大化下的回家约束。
2011-10-31 nlin.AO physics.bio-ph physics.soc-ph
