A deep learning approach for detecting traffic accidents from social media data
本文采用深度学习从社交媒体数据中检测交通事故。首先，我们彻底调查了两个大都市地区一年内超过300万条推文内容：北弗吉尼亚州和纽约市。我们的研究结果表明，成对的令牌可以捕获的关联规则中的事故相关的推文，进一步提高交通事故检测的准确性。其次，研究了两种深度学习方法：深度信念网络（DBN）和长短期记忆（LSTM），并在提取的令牌上实现。结果表明，DBN可以获得约44个单独的令牌特征和17对令牌特征的总体准确率为85%。DBN的分类结果优于支持向量机（SVM）和监督潜在狄利克雷分配（sLDA）。最后，为了验证这项研究，我们将事故相关的推文与来自15，000个循环检测器的高速公路上的交通事故日志和当地道路上的交通数据进行了比较。研究发现，近66%的事故相关推文可以通过事故日志定位，其中80%以上可以与附近的异常交通数据相关联。通过比较，提出了使用Twitter检测交通事故的几个重要问题，包括位置和时间偏差，以及有影响力的用户和标签的特征。
2018-01-04 cs.SI stat.OT
Survey of Generative Methods for Social Media Analysis
Faculty of Computer Science, Dalhousie University（达尔豪斯大学计算机科学学院）；Institute of Computer Science, Polish Academy of Sciences（波兰科学院计算机科学研究所）；Department of Mathematics, Ryerson University（瑞尔森大学数学系）；Department of Computer Science, Memorial University of Newfoundland（纽芬兰纪念大学计算机科学系）；Tutte Institute for Mathematics and Computing（塔特数学与计算研究所）
这项调查绘制了社交媒体数据分析生成方法研究的最新技术（SoTA）的全景图。它填补了一个空白，因为现有的调查文章要么范围狭窄得多，要么已经过时。我们包括了目前在挖掘和建模社交媒体中越来越重要的两个重要方面：动态和网络。社会动态对于理解影响或疾病的传播、友谊的形成、团队的生产力等是重要的。另一方面，网络可以捕捉各种复杂的关系，提供额外的洞察力，并识别重要的模式，否则会被忽视。
2021-12-13 cs.LG cs.SI
VeSoNet: Traffic-Aware Content Caching for Vehicular Social Networks based on Path Planning and Deep Reinforcement Learning
针对车载社交网络严格时延下的内容交付难题，提出融合图剪枝路径规划、vehicle2vec社交内容推荐与DRL缓存分布优化的车载边缘计算架构。
2021-11-10 cs.CY cs.NI cs.SI
A Survey on Social Media Anomaly Detection
USC（南加州大学）；Google（谷歌）；IBM Research（IBM研究院）
社交媒体异常检测对于防止欺凌、恐怖袭击策划和欺诈信息传播等恶意活动至关重要。随着社交媒体的普及，新的异常行为出现，引起了各方的关注。虽然大量的工作一直致力于传统的异常检测问题，我们观察到的研究兴趣激增，在新的领域的社会媒体异常检测。在本文中，我们提出了一个调查现有的方法来解决这个问题。我们关注社交媒体中的新型异常现象，并回顾最近开发的检测这些特殊类型异常的技术。我们提供了一个问题域的一般概述，常见的配方，现有的方法和潜在的方向。通过这项工作，我们希望引起研究界对这个具有挑战性的问题的关注，并开辟我们未来可以贡献的新方向。
2016-02-17 cs.LG cs.SI
Applications of Social Media in Hydroinformatics: A Survey
Hohai University（河海大学）；Arizona State University（亚利桑那州立大学）
社会化媒体数据在环境监测、水资源管理、灾害和应急响应等领域的应用越来越广泛，社会化媒体数据的研究和实际应用越来越多。社会化媒体技术为水文信息学提供了新的数据、技术和分析工具，可以处理大规模数据集，从中挖掘新的创意和新的价值。本文首先提出了一种基于社会化媒体的4W（What，Why，When，hoW W）模型和方法论结构来更好地理解和表示社会媒体在水文信息学中的应用，然后概述了将社会媒体应用于水环境、水资源、洪水、干旱和水资源稀缺管理等水文信息学的学术研究。最后，在前面讨论的基础上，从数据汇集、数据质量管理、假新闻检测、隐私问题、算法和平台等方面提出了与水相关的社会化媒体应用的一些前沿课题和建议，供水信息管理者和研究者参考。
2019-05-01 cs.LG cs.SI
Social Network Enhanced Device-to-Device Communication Underlaying Cellular Networks
设备到设备（D2D）通信已被视为克服即将到来的无线容量紧缩并实现新的应用服务的主要技术。在本文中，我们提出了一个社会意识的方法，通过利用两个层：社交网络和物理无线层的D2D通信优化。首先，我们制定的物理层D2D网络根据用户的遭遇历史。随后，我们提出了一种方法，基于所谓的印度自助餐过程，以便模拟用户的在线社交网络的内容分布。给定由演进节点B（eNB）收集的社会关系，我们共同优化D2D通信中的流量卸载过程。此外，我们给出了卸载流量的Bundoff界和近似的累积分布函数（CDF）。在仿真中，我们证明了边界和CDF的有效性。基于实际跟踪的数值结果表明，该方法成功地卸载了eNB的流量。
2015-10-15 cs.NI cs.SI
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
Real-time Road Traffic Information Detection Through Social Media
Georgia Institute of Technology（佐治亚理工学院）
在目前的研究中，提出了一种机制，从互联网上的文本数据中提取交通相关的信息，如拥塞和事件。目前的数据来源是Twitter。由于所考虑的数据在大小上非常大，因此开发了自动化模型以实时的【形】流式传输、下载和挖掘数据。此外，如果任何推文都有与流量相关的信息，那么模型应该能够推断和提取这些数据。目前，该数据仅针对美国收集，共提取了120，000条地理标记的交通相关推文，同时检索了600万条地理标记的非交通相关推文，并训练了分类模型。此外，这些数据还用于各种空间和时间分析。提出了一种计算美国城市交通拥堵、安全和交通感知水平的机制。交通拥堵和安全的各个城市地区的排名，然后他们与现有的广泛采用的排名进行统计验证。交通感知描述了人们对交通的态度和感知。还可以看出，交通相关数据在空间和时间上可视化时提供了与各个城市区域的实际交通流量相同的模式。当在城市级别可视化时，可以清楚地看到推文的流动类似于车辆的流动，并且与交通相关的推文代表城市内的交通。与所有的研究结果在当前的研究中，它表明，大量的交通相关的信息可以从Twitter和互联网上的其他来源提取。此外，Twitter和这些数据源是免费提供的，不受空间和时间限制。也就是说，哪里有用户，哪里就有数据的潜力。
2018-01-16 cs.AI cs.CL cs.CY
Literature Survey on Interplay of Topics, Information Diffusion and Connections on Social Networks
研究人员试图对在线社交网络上的信息传播、话题趋势和生命周期进行建模。他们调查了内容，社会联系和社区，熟悉度和行为相似性在这方面的作用。当前的文章提出了一个调查的代表性模型，执行主题分析，捕捉信息扩散，并探讨在线社交网络的背景下的社会联系的属性。文章最后提出了一系列开放性问题和未来研究兴趣的可能方向。本文旨在为研究者识别当前的文献，并探讨改进艺术的可能性。
2017-06-03 cs.SI
Swinging in the States: Does disinformation on Twitter mirror the US presidential election system?
十多年来，学者们一直在研究社交媒体上与社会事件相关的虚假信息流，例如，选举在本文中，我们分析了与美国2020年大选前辩论相关的Twitter流量，并询问它是否反映了选举制度。美国的选举制度规定，无论实际的选票差距如何，在一个州获得更多选票的总理候选人都会“拿下”那个州。对这一制度的批评指出，竞选活动可能会在特别关键的州更加激烈，以取得胜利，所谓的{ \it摇摆州}。我们的直觉是，当选举辩论与摇摆州联系在一起时，它可能会在Twitter上引起更多的流量，而且可能会受到更多错误信息的困扰。结果基本上证实了直觉。大约88%的流量可以与摇摆状态相关联，并且在摇摆相关流量中，与安全相关流量中相同类型的新闻相比，不可信新闻的链接被共享得更多。相反，考虑到流量来源，由自动账户（所谓的社交机器人）生成的不可信推文大多与摇摆州有关。我们的工作揭示了选举系统在在线辩论的演变中所扮演的角色，在聚光灯下，虚假信息和社交机器人。
2023-03-22 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
Social Media Identity Deception Detection: A Survey
社交媒体正在迅速发展，并成为许多人生活中必不可少的元素。与此同时，社交媒体也成为身份欺诈的一个流行来源。在过去的几年里，出现了许多社交媒体身份欺诈案件。最近的研究已经进行，以防止和检测身份欺骗。本调查分析了各种身份欺骗攻击，这些攻击可以分为伪造个人资料，身份盗窃和身份克隆。这项调查提供了社交媒体身份欺骗检测技术的详细审查。它还确定了现有检测技术中的主要研究挑战和问题。这篇文章预计将有利于研究人员和社交媒体提供商。
2021-04-22 cs.CR cs.SI
Botnet Detection using Social Graph Analysis
基于签名的僵尸网络检测方法通过识别命令和控制（C\&C）流量来识别僵尸网络，并且对于使用新的和可扩展的机制进行此类通信的僵尸网络可能无效。为了解决这些局限性，我们提出了一种新的僵尸网络检测方法，分析节点之间的社会关系。该方法由两个阶段组成：（i）在节点之间的“交互”图中使用度分布上的大偏差结果进行异常检测，以及（ii）在社交“相关”图中进行社区发现，该社交“相关”图的边缘连接具有高度相关通信的节点。后一阶段使用了一个精致的模块化措施，并制定了一个非凸优化问题，为适当的松弛策略的问题。我们将我们的方法应用于现实世界的僵尸网络流量，并将其性能与其他社区发现方法进行比较。实验结果表明，该方法是有效的，改进的模块性度量提高了检测精度。
2015-03-08 cs.SI physics.soc-ph
A Survey on Influence Maximization in a Social Network
给定一个以扩散概率作为边权重和整数k的社交网络，应该选择哪k个节点进行信息的初始注入，以最大化网络中的影响力？这个问题被称为社会网络中的目标集选择（TSS问题），更通俗地说，是社会影响力最大化问题（SIM问题）。这是一个活跃的研究领域，在计算社会网络分析领域，因为一个半年左右。由于其在各个领域的实际重要性，如病毒式营销，目标广告，个性化推荐，该问题已经在不同的变体中进行了研究，多年来已经提出了不同的解决方法。因此，有必要对这一专题进行有组织的全面审查。本文综述了TSS问题的研究进展。最后，对当前的研究趋势和未来的研究方向进行了展望。
2018-08-16 cs.SI
Social Search: retrieving information in Online Social Platforms -- A Survey
本文综述了社交搜索领域的研究现状，提出新分类法将其分为社交问答、社交内容搜索和社交协同搜索三个子类，指出现有研究多依赖简单组合社交特征，未来应利用更结构化的用户社交档案和行为信息来优化信息需求。
2023-09-13 cs.SI
Detecting cyber threats through social network analysis: short survey
本文考虑了一个简短的调查的基本方法的社交网络分析，这是用于检测网络威胁。介绍了社交网络威胁的主要类型。描述了用于社交网络分析的图论和数据采掘的基本方法。讨论了社会网络分析的典型安全任务，如网络中的社区发现、社区中的领导者发现、网络中的专家发现、文本信息聚类等。
2018-05-17 cs.CR cs.CY cs.SI
Social Behavior and Mental Health: A Snapshot Survey under COVID-19 Pandemic
University of Science and Technology Beijing（北京科技大学）；Ulster University（阿尔斯特大学）；Missouri University of Science and Technology（密苏里科技大学）；University College Cork（科克大学）
在线社交媒体为监控人们的社交行为和精神困扰提供了一个渠道。由于COVID-19的限制，人们越来越多地使用在线社交网络来表达自己的感受。因此，有大量不同的用户生成的社交媒体内容。然而，COVID-19疫情改变了我们的生活、学习、社交及娱乐方式，影响了我们的福祉及心理健康问题。越来越多的研究利用在线社交媒体分析来检测和评估用户的心理状态。在本文中，我们调查了社交媒体分析用于精神障碍检测的文献，特别关注2020-2021年在COVID-19背景下进行的研究。首先，我们根据特征提取类型对调查研究进行分类，从语言使用模式到审美偏好和在线行为。其次，我们探索了用于精神障碍检测的检测方法，包括机器学习和深度学习检测方法。最后，我们讨论了使用社交媒体数据进行精神障碍检测的挑战，包括隐私和伦理问题，以及大规模扩展和部署此类系统的技术挑战，并讨论了过去几年的经验教训。
2021-05-17 cs.CL cs.CY cs.LG
(Mis)alignment Between Stance Expressed in Social Media Data and Public Opinion Surveys
立场检测旨在确定一个人是支持还是反对一个目标概念，有望从大量的社交媒体数据流中揭示公众舆论。然而，即使是对社交媒体内容的人类注释也并不总是能捕捉到民意调查所衡量的“立场”。我们通过直接比较个人自我报告的立场与从社交媒体数据中推断的立场来证明这一点。利用对受访者Twitter手柄的纵向民意调查，我们对四个突出目标的1，129人进行了比较。我们发现，召回率是高的“亲”和“反”的立场分类，但精度是可变的，在一些情况下。我们确定了三个因素，导致文本和作者的立场之间的脱节：时间的不一致性，结构的差异，以及测量误差的调查受访者和注释。通过提出一个框架来评估的立场检测模型的局限性，这项工作提供了重要的洞察立场检测真正的措施。
2021-09-07 cs.SI
Applications of Differential Privacy in Social Network Analysis: A Survey
差分隐私是一种有效的信息共享和隐私保护的强有力的保证。随着社会网络分析的广泛应用，为差分隐私的应用开辟了新的领域。在这篇文章中，我们提供了一个全面的调查连接的基本原则，不同的隐私和应用程序在社会网络分析。我们提出了一个简要的审查差分隐私的基础和主要的变种，并讨论差分隐私是如何应用到社会网络分析，包括隐私攻击在社交网络，类型的差分隐私在社会网络分析，和一系列流行的任务，如度分布分析，子图计数和边权重。我们还讨论了未来研究的一系列挑战。
2021-04-15 cs.CY cs.SI
A Survey of Prediction Using Social Media
社交媒体包括用于创建、共享和交换用户生成内容的交互式应用程序和平台。在过去的十年里，社交媒体，特别是在线社交网络服务，带来了巨大的增长，它正在改变我们的组织和沟通方式。它以低成本汇集了不同群体的意见和感受。挖掘社交媒体的属性和内容使我们有机会发现社会结构特征，定性和定量分析行为模式，有时还能预测未来与人类相关的事件。本文首先讨论了当前社交媒体可以预测的领域，然后概述了可用的预测器和预测技术，最后讨论了挑战和可能的未来方向。
2012-03-07 cs.SI physics.soc-ph
Social Network Fusion and Mining: A Survey
从全球范围来看，在线社交网络的格局高度分散。出现了大量的在线社交网络，可以为用户提供各种类型的服务。通常，这些在线社交网络中可用的信息具有不同的类别，其可以形式化地表示为异构社交网络（HSN）。同时，在这样一个在线社交媒体时代，用户通常同时参与多个在线社交网络以享受更多的社交网络服务，他们可以充当将不同网络连接在一起的桥梁。因此，多个HSN不仅可以代表单个网络中的信息，而且可以融合来自多个网络的信息。形式上，共享共同用户的在线社交网络被称为对齐的社交网络，并且这些充当对齐网络的锚的共享用户被称为锚用户。用户在多个对齐的社交网络中的社交活动所产生的异构信息为社交网络从业者和研究者提供了同时研究多个社交平台上单个用户的社交行为的机会。本文综述了基于广义学习背景的多对齐HSNs研究的最新进展，包括5个主要研究任务，即：网络对齐、链路预测、社区检测、信息扩散和网络嵌入。
2018-05-02 cs.CY cs.SI
About the survey of propagandistic messages in contemporary social media
本文介绍了研究结果，已经确定了一组特征参数的传播消息。稍后，这些参数可以用于算法中，创建特殊的面向用户的传播消息，以改善用户对信息的分发和同化。
2013-03-25 cs.CY cs.SI physics.soc-ph
Social Behavior Analysis in Visual Human Monitoring System : A Survey and Perspective
社会行为分析用于研究一组人如何与另一组人互动。分析有助于理解社会行为如何导致其后果，例如商人会议后做出的商业决策。在本文中，我们专注于视觉人体运动分析，这是社会行为分析的一个重要组成部分。视觉监控中的人体运动分析通常是跟踪单个人或一组人的运动，而社会行为通常被忽略。本文首先提供了一个文献综述的视觉监控，重点是人体运动分析和社会行为方面。其次，它提供了一个视角，在智能视觉人体监控系统的社会行为分析。第三，社会互动是由两个人，一个人和一个群体，或两个群体之间的社会行为引起的，因此社会互动的三个一般场景被概述为未来的理论发展。所提出的人类监测系统能够生成有价值的量化信息的社会互动。它提供了一种客观的方法来评估公司或学校等人类组织的绩效。最后，可以提高研究者对社会行为分析领域进一步探索的认识。
2016-07-21 cs.CY cs.SI
Intelligent Disaster Response via Social Media Analysis - A Survey
救灾和反应过程的成功在很大程度上取决于有关灾害状况、周围环境和受灾人员的及时和准确的信息。这些信息主要由现场的第一反应者提供，并可以通过社交媒体上实时发布的第一手报告来增强。已经开发了许多工具和方法，通过从社交媒体中提取、分析和可视化可操作的信息来自动化救灾。然而，这些方法并没有很好地融入救济和反应过程，两者之间的关系需要进一步阐述。在本次调查中，我们回顾了使用社交媒体进行智能救灾和响应的新前沿，展示了社交媒体上反映的灾害阶段，建立了基于社交媒体的拟议方法与第一响应者的救灾工作之间的联系，并概述了紧迫的挑战和未来的研究方向。
2017-09-07 cs.SI physics.soc-ph
Processing Social Media Messages in Mass Emergency: A Survey
社交媒体平台在群众聚集和自然灾害造成的灾害等紧急事件期间提供了积极的沟通渠道。因此，第一反应者，决策者和公众可以使用这些信息来深入了解情况。特别是，在紧急情况期间传播的许多社交媒体信息传达了及时、可采取行动的信息。然而，处理社交媒体消息以获取此类信息涉及解决多个挑战，包括：处理信息过载，过滤可信信息，以及优先处理不同类别的消息。这些挑战可以映射到经典的信息处理操作，例如过滤、分类、排序、聚合、提取和汇总。我们调查了最先进的计算方法来处理社交媒体消息，专注于他们在应急响应场景中的应用。我们研究了这种设置的特殊性，然后有条不紊地研究了一系列关键的子问题，从事件的检测到创建可操作的和有用的摘要。
2015-04-16 cs.CY cs.SI
Situational Awareness Enhanced through Social Media Analytics: A Survey of First Responders
社交媒体数据越来越多地用于促进在自然灾害等事件和紧急情况期间的态势感知。虽然研究人员已经研究了几种方法来总结，可视化或挖掘数据进行分析，但第一响应者无法充分利用研究进展，主要是由于学术研究和部署的功能系统之间的差距。在本文中，我们从第一反应者的角度探讨了有效利用社交媒体数据的机会和障碍。我们提出了几个详细的采访第一反应者对他们使用社交媒体的态势感知的总结。我们进一步评估了SMART（一种社交媒体视觉分析系统）对第一响应者操作的影响。
2019-09-16 cs.CY cs.SI
Social Internet of Things and New Generation Computing -- A Survey
社会化物联网（SIoT）试图克服物联网（IoT）的挑战，如可扩展性，信任和资源发现，从社会计算的启发。本调查旨在从两个角度调查SIoT的研究，包括应用领域和新的计算模型的集成。为此，提出了一个二维框架，并相应地调查了项目。第一个维度从应用领域的角度考虑和分类现有的研究，第二维度从集成到新的计算模型的角度执行相同的。其目的是从技术上描述SIoT，对相关研究进行分类，促进最新技术的传播，并讨论该领域的开放研究方向。
2019-07-27 cs.CY cs.SI
A Survey of Link Recommendation for Social Networks: Methods, Theoretical Foundations, and Future Research Directions
链接推荐已经引起了业界和学术界的广泛关注。在工业中，链接推荐已经成为在线社交网络中的标准和最重要的特征，其突出的示例包括LinkedIn上的“你可能认识的人”和Google+上的“你可能认识的人”。在学术界，链接推荐一直是一个非常活跃的研究领域。本文综述了最新的链接推荐方法，这些方法可以大致分为基于学习的方法和基于邻近度的方法。我们进一步确定社会和经济理论，如社会互动理论，这些方法的基础，并从理论角度解释为什么链接推荐方法的工作原理。最后，我们建议在几个方向扩展链接推荐研究，包括基于效用的链接推荐，链接推荐的多样性，不完全数据的链接推荐，以及链接推荐的实验研究。
2015-11-05 cs.SI physics.soc-ph
Online Social Network Analysis: A Survey of Research Applications in Computer Science
在线社交网络的出现和普及，突然提供了大量的数据，从社会组织，互动和人类行为。所有这些信息都为社会系统的研究开辟了新的视角和挑战，许多领域都对此感兴趣。虽然大多数在线社交网络都是最近才出现的（不到15年），但已经发表了大量关于这一主题的科学论文，涉及广泛的分析方法和应用。这项工作描述了如何计算研究已经接近这个问题和用于分析这样的系统的方法。建立在广泛的，但非exaustive的文献综述，分类法提出了分类和描述不同类别的研究。每个研究类别进行了描述，并突出了主要作品，发现和观点。
2016-04-04 cs.SI physics.soc-ph
Modeling Influence with Semantics in Social Networks: a Survey
在各种网络（例如社交网络、数字网络或计算机网络）中发现有影响力的实体一直是一个重要的研究领域。近年来，在线社交网络（OSN）已被确立为基本的通信手段，并且通常有影响力的人和意见制造者通过病毒式内容来宣传政治、事件、品牌或产品。在这项工作中，我们提出了一个系统的审查，在i）在线社会影响力的指标，属性和应用程序和ii）的作用，语义建模OSN的信息。我们最终得出的结论是，这两个领域可以共同提供有用的见解，对病毒式用户生成的内容的定性评估，以及有影响力的内容及其流动动力学的动态特性建模。
2018-10-04 cs.IR cs.SI
Online Social Deception and Its Countermeasures for Trustworthy Cyberspace: A Survey
我们生活在一个通过社交网络服务（SNS）进行在线交流已成为人们日常生活中不可或缺的一部分的时代。因此，SNS中的在线社交欺骗（OSD）已成为网络空间中的严重威胁，特别是对于易受此类网络攻击的用户。网络攻击者利用SNS的复杂功能进行有害的OSD活动，例如金融欺诈，隐私威胁或性/劳动剥削。因此，了解OSD并制定有效的OSD对策，对于构建可信的SNS至关重要。在本文中，我们进行了广泛的调查，包括（i）社会欺骗的多学科概念;（ii）OSD攻击的类型及其与其他社交网络攻击和网络犯罪相比的独特特征;（iii）包括预防，检测和响应的综合防御机制（iv）用于确认和验证的数据集/指标;以及（v）与OSD研究相关的法律和伦理问题。基于这一调查，我们提供了深入了解对策的有效性和现有文献的教训。最后，我们深入讨论了最先进技术的局限性，并对这一领域未来的研究方向提出了建议。
2020-04-16 cs.CR cs.SI
Survey-Based Calibration of the One-Community and Two-Community Social Network Models Used for Testing Singapore's Resilience to Pandemic Lockdown
本研究通过调查2,057名新加坡居民校准动态社交网络模型，模拟疫情封锁下的社会恢复，发现新加坡可在1-2个月内恢复，为量化社会韧性提供方法。
2025-03-26 cs.SI physics.soc-ph
The survey of sentiment and opinion mining for behavior analysis of social media
如今，互联网已经把世界变成了一个地球村。社交媒体缩小了人与人之间的差距。以前，沟通是一项耗时且昂贵的任务。社交媒体已经赢得了声誉，因为它是一个更便宜，更快的通信提供商。此外，社交媒体使我们能够减少物理距离的差距，它还产生和保存了大量的数据。这些数据是非常有价值的，它代表了人们和他们的意见之间的关联程度。本文对用户行为预测的各种方法进行了综合分析。这种比较将提供情感和意见挖掘领域的详细信息，优点和缺点。
2015-11-07 cs.IR cs.SI
Assessing the Potential of Ride-Sharing Using Mobile and Social Data
在日常的家庭-工作-家庭通勤中拼车可以帮助个人节省汽油和其他与汽车相关的成本，同时可以减少交通和污染。本文基于从巴塞罗那和马德里的3G呼叫描述记录（CDR）和在线社交网络（Twitter，为纽约和洛杉矶收集）中提取的移动数据，评估了拼车减少城市交通的潜力。我们首先分析这些数据集，以了解移动模式、家庭和工作地点以及用户之间的社交关系。然后，我们开发了一个有效的算法，用于匹配具有相似移动模式的用户，考虑到一系列的约束。该解决方案提供了一个上限，可以通过共乘实现城市中汽车的潜在减少。我们使用我们的框架来了解这种潜在利益的不同限制和城市特征。例如，我们的研究表明，如果用户愿意与居住和工作在1公里范围内的人共乘，马德里市的交通流量可以减少59%;如果他们只能接受最多10分钟的接送机延迟，这一潜在效益下降到24%;如果司机也在沿途接送乘客，这一数字增加到53%。如果用户只愿意和认识的人（CDR和OSN数据集中的“朋友”）一起乘车，拼车的潜力就变得微不足道;如果愿意和朋友的朋友一起乘车，潜在的减少幅度高达31%。
2014-03-20 cs.CY cs.SI physics.soc-ph
Deriving the Traveler Behavior Information from Social Media: A Case Study in Manhattan with Twitter
Twitter等社交媒体平台为解决交通问题提供了全新的视角，有望成为传统方法的补充。带有地理标签的推文可以提供Twitter用户的位置信息，并正在应用于旅行者行为分析。本文探讨了Twitter在获取出行行为信息方面的潜力，并以曼哈顿地区为例进行了研究。提出了一种从Twitter位置中提取位移信息的系统方法。我们的研究表明，Twitter有一个独特的人口统计数据，不仅包括当地居民，还包括游客或乘客。对于个人用户，Twitter可以揭示他/她的旅行行为特征，包括工作日和周末的时间和位置分布。对于所有的Twitter用户，聚集的出行行为的结果也表明，在曼哈顿岛的一天中的时间旅行模式类似的交通流量; OD模式的识别也是有希望的，通过比较的结果，旅行调查。
2021-01-27 cs.NA cs.SI math.NA
Socially-Aware Networking: A Survey
手持设备的广泛普及使移动运营商能够随时随地连接。同时，移动设备的移动模式强烈地依赖于用户的移动，这与他们的社会关系和行为密切相关。因此，今天的移动网络正变得越来越以人为中心。这导致了一个新领域的出现，我们称之为社会感知网络（SAN）。SAN的主要特征之一是社会意识成为网络解决方案设计中不可或缺的信息。这种新兴的范例适用于用户具有社交关系和交互的各种类型的网络（例如，机会网络、移动社交网络、延迟容忍网络、自组织网络等）。通过利用节点的社会属性，SAN可以为创新应用和服务提供更好的网络支持。此外，它还促进了人类社会和网络物理系统的融合。在本文中，第一次，尽我们所知，我们提出了一个调查这一新兴领域。介绍了SAN的基本概念。我们打算在这方面推广广泛使用的社会属性。从路由转发、激励机制和数据分发三个方面对SAN的研究现状进行了综述。讨论了移动社会感知和学习、隐私、节点自私性和可扩展性等方面的一些重要问题。
2013-12-23 cs.NI cs.SI physics.soc-ph
