地点预测:社区比朋友更能说明问题
本文提出了一种新的基于特征学习技术的社交关系推断攻击方法,它可以预测任意两个人之间的社交关系,并且不需要具有任何先前的社交关系知识,而且作者还提出了三种防御机制来降低移动数据分享带来的社交连接隐私风险。实验结果表明,隐藏和替换机制是最有效的,二者在效用和隐私之间提供了可比较的权衡。
Aug, 2017
本研究基于团块渗透,首次研究了大规模网络中重叠社区的时间演化规律,发现动态改变成员组成有利于大型社区的生存而不利于小型社区,同时成员对社区的时间承诺可预测社区的寿命。这些发现揭示了小组和大型机构动态差异的新视角。
Apr, 2007
本研究通过分析大量 Foursquare 用户的数据,研究了全球多个大都市的城市移动性模式,发现了影响城市人类移动的关键因素:原地和目的地之间的地点数量,而非纯物理距离,经过排名计算的移动模型可以准确地捕捉不同城市的真实人类移动,这为城市规划、基于位置的广告甚至社会研究提供了新的启示。
Aug, 2011
本文研究多社区交互的用户行为,从 Reddit 的长期发帖行为和 DBLP 的实验中,考察社区发帖顺序、语言使用和反馈对用户预测活性的影响,并探讨多社区环境下用户的行为特点,发现用户将更加多元化,且早期表现的 “漫游” 模式具有重要的设计意义。同时,利用不同社区的语言使用比较探讨了 “情境 vs. 个性” 的论点。
Mar, 2015
本文基于一份葡萄牙通讯数据集的 100,000 名匿名用户数据,探索了移动设备数据集中用户的社交网络、时间动态和移动通讯行为之间的联系,并通过聚类和主成分分析发现地理位置是影响人类行为的最重要因素之一。研究结果表明,通过聚类方法可以鲁棒地识别用户的家庭和办公室,并且其通勤距离可以通过引力模型进行合理地解释。
Nov, 2012
本文介绍了一种新的小组识别和未来事件预测方法,并与现有方法进行了比较。所进行的实验证明了预测结果的高质量,并表明使用多种指标来描述群体轮廓可以提高预测的效果。
Jun, 2013
提出了一种基于社区提取而非划分的新框架,该提取方法一次只提取一个社区,以避免将每个节点强制归入社区而扭曲结果,其性能在模拟和真实网络上表现良好,并在模型假设下确立了我们方法的渐近一致性。
May, 2010
利用大规模人类流动数据来构建一种可以预测不同类型犯罪在各行政区划内发生年度数量的模型,并提高预测的准确性,并且对主要犯罪类别的预测特征进行了深入分析,为城市政策或执法部门提供了有价值的信息。
Jun, 2018
提出一种基于非负矩阵三因子分解的社区检测方法,用于多个异构社交网络,通过检测不同社交网络中的重叠用户社区来增强全局社区的融合程度,并在 Twitter、Instagram 和 Tumblr 数据集上展示其卓越的社区质量和社区融合性能。
May, 2024
本论文提出了一种基于模块性的策略来有效检测和跟踪动态社区,在合成网络和 Twitter 网络中的实验结果表明该框架优于其他最先进的方法,并且它为不同的社交网络提供了一个有价值的工具,来理解社区在动态社交网络中的演化。
Feb, 2023