Interactive Sensing and Decision Making in Social Networks
诸如实时的微博和在线信誉系统之类的社交媒体的激增促进了对社交模式和行为的实时的感测。在过去的十年中,社交网络中的感知和决策在电气工程、计算机科学、经济学、金融学和社会学研究领域取得了重大进展。这一领域的研究涉及动态随机图、社会经济分析和统计推断算法的相互作用。这本专著提供了一个调查,教程的发展,并讨论了四个高度程式化的例子:社会学习的互动传感;跟踪度分布的社交网络;传感和信息扩散;和协调决策通过博弈论学习。四个例子中的每一个都是由实际例子激发的,包括文献调查以及仔细的问题制定和数学分析。尽管是高度程式化的,这些例子提供了丰富的各种模型,算法和分析工具,很容易访问的信号处理,控制/系统理论,和应用数学的观众。
2014-05-06 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
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
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
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
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
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
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
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
Removal of Data Incest in Multi-agent Social Learning in Social Networks
在线声誉系统的动机,我们研究社会学习的网络中,代理人相互作用的时间依赖图,以估计一个潜在的自然状态。智能体记录他们自己的私人观察,然后使用贝叶斯规则更新他们对自然状态的私人信念。基于他们的信念,每个代理然后从有限集合中选择一个动作(评级),并通过社交网络传输此动作。这种网络上的社会学习的一个重要后果是信息的毁灭性的多次重复使用,称为数据乱伦(或错误信息传播)。本文在有向无环图上研究了社会学习环境下的数据乱伦管理问题。我们给出了消除数据乱伦的社会交互图拓扑的充分必要条件。提出了一种数据乱伦消除算法,使得社会学习的公共信念(以及代理的行为)不受数据乱伦传播的影响。这导致具有更高信任评级的在线信誉系统。数值例子说明了所提出的最优数据乱伦消除算法的性能。
2013-11-05 cs.SI physics.soc-ph
Agent-based model of information spread in social networks
我们提出了多智能体网络的演化规则,并确定了智能体生存周期中的统计模式-信息消息。主要讨论的统计模式与消息的喜欢和转发的数量有关。根据建模结果,该分布对应于威布尔分布。我们研究提出的模型使用的数据从Twitter,在线社交网络服务。
2016-05-26 cs.SI physics.soc-ph
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
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
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
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
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
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
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
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
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
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
Social structure formation in a network of agents playing a hybrid of ultimatum and dictator games
在这里,我们提出了一个基于代理的模型,代理人与其他代理人在一个共同发展的社会网络中玩独裁者和最后通牒游戏的混合。在这两种博弈中,代理人行为的基本假设是,他们试图获得相对于其他代理人更优越的社会经济地位。作为模型的参数,我们选择了独裁者和最后通牒博弈策略之间的一对代理人在一个单一的社会交易和参数描绘的生活成本的代理人之间发挥的相对比例。这项研究的动机是研究不同类型的社会互动如何影响社会结构和网络的形成,当代理人有一种倾向,以最大限度地提高他们的社会经济地位。我们发现,这样的社交网络的代理人总是经历了一个社区的形成过程,从简单的链状结构,更复杂的网络的生活成本参数的增加。这种情况发生的时间点也取决于独裁者和最后通牒游戏的相对比例。我们发现,这是很难形成复杂的社会结构时,独裁者的游戏策略在社会交易的代理人变得更占主导地位的最后通牒游戏。
2020-08-19 cs.MA cs.SI physics.soc-ph
Patterns of Social Influence in a Network of Situated Cognitive Agents
Krasnow Institute for Advanced Study(克拉斯诺高级研究院);George Mason University(乔治梅森大学)
本文介绍了计算实验的结果,社会影响的影响,个人和系统的行为,在产品消费者环境中的认知代理。在相同的初始条件下进行了配对实验,以比较社会代理与非社会代理。实验结果表明,无论是在总单位消费和总效用方面,社会代理在消费可用产品时都具有更高的生产率。但这是以单位消费的个人平均效用为代价的。实际上,社会互动通过降低个人消费者的“标准”来实现更高的生产率。虽然仍处于发展的早期阶段,这样一个基于代理的模型实验室被证明是一个有效的研究工具,以调查丰富的集体行为的背景下,要求的认知任务。
2012-04-16 cs.AI cs.SI physics.soc-ph
The Potential of Social Media Analytics for Improving Social Media Communication of Emergency Agencies
越来越多的人在危机时期使用社交媒体寻求信息或协调救济活动。因此,应急机构也越来越多地使用社交媒体,以接触更多处于危机局势中的人。然而,应急机构也可以利用社交媒体上的大量可用数据来了解公众对它们的看法,并改善它们的沟通。在这项研究中,我们研究了Twitter的通信关于德国紧急机构“Johanniter Unfall-Hilfe”进行频率,情绪,社交网络和内容分析。结果显示,一个右翼政治集团在政治上利用了与该机构有关的事件。此外,一些人利用社交媒体表达批评。可以得出结论,在应急管理专业人员的日常工作中使用社交媒体分析有助于改善他们的社交媒体沟通策略。
2020-04-18 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
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
OpenClaw Agents on Moltbook: Risky Instruction Sharing and Norm Enforcement in an Agent-Only Social Network
Rensselaer Polytechnic Institute(伦斯勒理工学院)
OpenClaw代理在Moltbook上通过风险性指令分享和规范执行展现选择性社会调节行为,揭示了代理-only社交系统中规范行为的涌现。
2026-02-02 cs.SI
AgentSocialBench: Evaluating Privacy Risks in Human-Centered Agentic Social Networks
Carnegie Mellon University(卡内基梅隆大学)
研究探讨了人类中心代理社交网络中的隐私挑战,提出AgentSocialBench基准,揭示代理协作中隐私保护的复杂性及现有LLM在隐私保护上的不足。
2026-04-06 cs.AI 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
SoMe: A Realistic Benchmark for LLM-based Social Media Agents
SoMe是一个用于评估基于大语言模型的社会媒体代理能力的现实基准,通过多样化任务和大量数据揭示了现有LLM在处理社交媒体任务中的局限性。
2025-12-09 cs.AI cs.CL cs.SI
Designing a Social Media Analytics Dashboard for Government Agency Crisis Communications
社交媒体已成为提取社会危机数据的宝贵来源,也是传播官方信息的重要渠道。政府机构越来越多地转向社交媒体,将其作为危机时期的喉舌。然而,通过社交媒体分析获取情报对政府机构来说仍然是一个挑战,例如由于缺乏培训和工具。为了弥补这一缺陷,政府机构需要工具来支持他们分析社交媒体数据以实现公共利益。本文提出了一种设计科学研究方法,指导区域政府机构的社交媒体分析仪表板的开发。报告了研讨会的初步结果和第一个原型的设计结果。一个用户友好和响应式的设计,是安全的,灵活的,快速使用,以及信息显示的区域讨论统计数据,情绪和新兴的主题可以确定为要求。
2022-02-11 cs.CY 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
Graphic-theoretic distributed inference in social networks
我们认为分布式推理在社交网络中的一个现象的兴趣演变在一个给定的社会互动图,称为\emph{social digraph}。对于推理,我们假设代理网络监控社交有向图中的某些节点,并且没有代理可以在其邻域内执行推理;代理必须依赖于智能体通信。本文的主要贡献包括:(一)一种新的构造的分布式估计和分布式观测的第一原则;(二)图论代理分类,建立的重要性和作用,每个代理对推理;(三)表征的必要条件,分类的基础上(二),在代理网络实现分布式观测。我们的结果是基于结构化系统理论,并适用于任何参数的选择,只要社会有向图保持固定的底层系统矩阵。换句话说,任何在结构不变的社会有向图上(线性)演化的社会现象都可以被考虑-我们将这种系统称为线性结构不变(LSI)。因此,上述贡献(i)-(iii)只需要社会有向图(拓扑)的知识,并且独立于社会现象。我们展示了结果对几个真实世界的社交网络的适用性,即僧侣之间的社会影响力,政治博客和书籍的网络,以及合著图。
2014-02-05 cs.MA cs.SI
Pro or Anti? A Social Influence Model of Online Stance Flipping
社会影响是指个体在复杂的社会环境中对某一主题的态度发生变化的过程。两个因素通常支配在线社交网络中立场的影响:由个体的先天信念通过代理人的过去立场驱动的内源性影响和由用户之间的社交网络影响形成的外源性影响。内源性和外源性的影响提供了重要的线索,用户的易感性,从而提高预测性能的立场变化或翻转。在这项工作中,我们提出了一个立场翻转预测问题,以识别对冠状病毒疫苗立场翻转敏感的Twitter代理(即,从亲疫苗到抗疫苗)。具体来说,我们设计了一个社会影响力模型,其中每个代理都有一些固定的先天立场和立场的信念,反映了对变化的阻力;代理通过社会网络结构相互影响。从2020年4月至2021年5月收集的数据,我们的模型在预测翻转立场的代理方面达到了86%的准确率。进一步的分析表明,翻转立场的代理有更多的邻居参与集体表达相反的立场,53.7%的代理翻转立场是机器人和机器人代理需要较少的社会影响力翻转立场。
2022-07-16 cs.CY cs.SI
Social Convos: Capturing Agendas and Emotions on Social Media
Rensselaer Polytechnic Institute(伦斯勒理工学院)
本文提出一种基于 convo 的新方法,从社交媒体群体讨论中识别积极推动特定议程的有影响力作者,并以议程控制和情感化语言作为核心影响力指标。
2024-02-23 cs.CL cs.SI
Reinforcement Learning to Minimize Age of Information with an Energy Harvesting Sensor with HARQ and Sensing Cost
时间平均预期年龄的信息(AoI)的研究从能量收集发射机发送的状态更新与有限容量的电池。在信道和能量收集统计信息已知的情况下,研究了不同反馈机制下的最优调度策略。对于未知环境的情况,提出了一种平均成本强化学习算法,实时学习系统参数和状态更新策略。数值结果验证了所提方法的有效性。
2019-01-24 cs.IT cs.NI cs.SI