Jan, 2011

移动电话通讯的昼夜节律和突发性

PDF
TL;DR对移动电话通讯事件的时间序列进行系统去季节法以去除昼夜和周活动模式的影响，发现间隔事件时间分布中的 heavy tails 仍保持稳健，这明确表明人类任务执行是时间移动电话通信模式中余下 burstiness 的一个可能原因。
发现论文，激发创造
  • 人类动态中爆发和重尾分布的起源

    人类行为追随爆发性分布，其决策过程基于排队，将对资源管理和服务分配产生重大影响。

    May, 2005

  • 电子邮件通信重尾现象的泊松解释

    通过电子邮件通信的间隔时间，作者估算人类活动的非泊松性与昼夜节律和周律有关，并提出了一个级联的非齐次泊松过程来模拟这样的间隔时间，并证明了该模型能够很好地解释实际数据。

    Jan, 2009

  • 人类活动的爆发和长尾建模

    本文探讨了人类活动的非泊松分布性质，表明人类的活动具有爆发性特征，并提出了两种排队模型来描述任务执行的优先级和等待时间，这些模型可以很好地解释人类的活动规律，并给出了实证结果和未来发展挑战。

    Oct, 2005

  • 相关突发行为的通用特征

    研究了如人类通讯、神经元射频、地震信号等间歇性时间过程，发现时间间隔分布和爆发期事件数分布能描述一系列现象，这种关联行为可以通过记忆效应共同解释，具有类似于真实系统的时间行为。

    Nov, 2011

  • 移动通讯网络中的时间模式揭示了同性恋、性别差异模式和群组对话

    使用手机通话记录来探究人类的互动模式，并研究社交网络结构和性别、年龄等属性的关系。结果显示不同性别之间存在交流的区别，年龄相似的人更容易互相联系。此外，密集部分和稀疏部分的时间模式不同。

    Feb, 2013

  • 挖掘移动电话用户行为的个性化时间序列分割

    本文介绍了一种行为导向的时间分割（BOTS）技术，该技术基于移动电话数据，综合考虑了行为的时间模式和不同的行为数量，对用户行为进行充分研究，证明该方法更能捕获用户在一周内不同时间段的行为和行为模式。

    Nov, 2018

  • 理解个体人类移动模式

    通过追踪 100,000 个匿名移动电话用户 6 个月的位置，发现人类运动的行为规律性，即每个人都具有一个时间无关特征尺度，并有极高的概率返回特定位置，这种旅行模式可与单一的空间概率分布相一致，这对城市规划、疫情预防和紧急响应等方面有重要的影响。

    Jun, 2008

  • 建模人类行为的时间特性以预测人口统计信息

    本研究利用深度学习直接对原始手机元数据建模，通过时间模式预测用户的基本人口统计信息，包括年龄和性别，并通过对模型假设的验证，获得了最先进的预测准确性。

    Nov, 2015

  • 移动电话网络中的沟通策略：时间作为一种有限资源

    通过对 9 亿个通话记录进行分析，我们发现个人社交网络规模越大，与社交网络中的人沟通所花费的时间占总时间的比例就越小。同时，网络中通话的时间也更加不平均。这说明大型个人网络中时间因素的限制会影响人与人之间的联系，即使是高水平的通讯也无法根本改变时间分配的不均衡。

    Jan, 2013

  • 利用数字足迹对人类动态和生活方式建模

    通过提出一种作为生成模型的多变量周期 Hawkes 过程模型，该模型可以捕捉人类活动的时间聚类、相互依赖结构和相互兴奋以及一周内时间周期效应。我们将这个模型应用于大规模信用卡交易数据集，并证明 MPHP 在交互事件时间分布和活动预测任务的统计适合度上超过非齐次泊松模型和 LDA。

    May, 2020