AAAIJan, 2017

使用地标推特预测高分辨率地理位置的人口数据

PDF
TL;DR提出了一种基于地理位置标记推特的计算方法，能够以细微的地理分辨率、灵活的地理边界与不同时间间隔推测人口统计学数据，通过对性别、种族 / 族裔等因素的预测，超越了传统方法的平均相关性。
geotagged tweetsdemographics predictioncomputational methodsfine-grained geographygender and race/ethnicity counts
发现论文，激发创造
  • 基于用户层级聚合的词汇为基础的人口预测的显著性益处

    该论文介绍了一个利用 Twitter 用户聚合的方法来构建社区级别模型，可以有效的准确预测人口相关，包括人口统计、健康和心理预测等四个不同领域的结果（例如，可以将用于预测收入中位数的皮尔逊相关系数从 0.73 提升到 0.82）。

    Aug, 2018

  • 利用嘈杂的自报告预测 Twitter 用户人口统计信息

    本文提出了一种基于识别 Twitter 个人资料描述自我报告种族和族裔的方法，以解决目前原有数据集较小、不准确或未覆盖美国四个最常见的种族和族裔群体的问题，有效提供了一个可复现的大规模培训种族和族裔判别系统的资源。

    May, 2020

  • 地理标记 Twitter 数据中的混淆和后果

    通过比较使用 GPS 坐标和用户自报位置不同的语言分析方法，研究表明不同年龄和性别的人对特定主题的写作风格有所不同，并给出了男性 40 岁以上的文本地理定位最准确的结果。同时，年龄和性别是影响语言使用的重要变量。

    Jun, 2015

  • 使用定量信心推断推文的来源地

    本研究提出了一种基于高斯混合模型的可扩展内容分析的方法，用于估算推文的地理位置，并提出了精度、准确度和校准等度量标准，并实现了对全球 1300 万条 Tweet 的实验，得出了可靠的、与以前的计算密集型方法相媲美的结果。

    May, 2013

  • 利用地理参考语料库绘制语言和人口统计图

    本文通过评估地理信息标注的大型语料库，探究不同数据集在代表人口统计学中的差异性和效果，并发现社交媒体数据在预测语言库存方面比网络数据更准确。

    Apr, 2020

  • 幸福的地理：将 Twitter 情感和表达、人口统计学以及地方的客观特征联系起来

    通过对美国各地实时表达和生活相关数据的大规模分析，探索了社交媒体作为估测肥胖率等人口水平的工具的潜力。

    Feb, 2013

  • Twitter 上位置预测的调查

    本文旨在调查推特中的地理位置预测问题和机遇，重点关注用户家庭位置、推文位置和提及位置的预测，并综述了当前各种策略的优点与缺点，同时也简要介绍了语义位置预测和兴趣点推荐两个相关问题。

    May, 2017

  • 使用深度学习和 Google 街景视图估计美国人口的人口构成

    本文提出了一种使用深度学习和机器视觉技术从 Google Street View 车辆在美国 200 个城市的街道场景中获取汽车数量信息，进而估计美国社会经济趋势和社会人口统计的方法，结果表明自动化系统可以有效补充劳动密集型方法，并具有实时感。

    Feb, 2017

  • 从人口统计和移动数据探索犯罪预测

    使用手机数据和人口统计数据，基于聚合的匿名化人类行为数据进行犯罪预测，实验结果表明，该犯罪预测模型在伦敦的真实犯罪数据上的准确率接近 70%，结果对数据驱动式犯罪分析具有重要意义。

    Sep, 2014

  • 利用辅助数据的集成学习方法进行可解释的半监督人口预测与细分

    本文提出一种基于聚合学习范式的方法，对人口普查进行高分辨率的细粒度分析，以此来评估人口数量的动态变化以及气候、自然灾害、基础设施投资、发展政策等对人口数量的影响。我们的简单可解释模型在某些指标上已超越最先进技术，证明该方法的有效性。

    Jun, 2019