Mar, 2024

公共突发事件下的信息传播预测：一项调查

PDF
TL;DR在大数据时代，信息蔓延的预测在大规模信息、专家经验和高精度模型的帮助下带来了巨大机遇。然而，不同学科的专业知识参与导致信息蔓延预测主要专注于特定应用领域（如地震、洪水、传染病）。缺乏统一的预测框架为不同应用领域的交叉预测方法的分类带来了挑战。本文提供了信息蔓延建模、预测和应用的系统分类和总结。我们旨在帮助研究人员识别前沿研究，了解公共紧急情况下信息蔓延预测的模型和方法。通过总结目前存在的问题并概述未来研究方向，本文有潜力成为研究人员进一步研究信息蔓延预测的宝贵资源。
发现论文，激发创造
  • 信息级联分析综述：模型，预测和最新进展

    本文综述并分类信息流行度预测方法，包括特征工程、随机过程、图表示和基于深度学习的方法，并总结了现有研究的优缺点以及该领域的挑战和机遇。

    May, 2020

  • 级联预测方法比较

    本文旨在比较现有的三种信息传播预测方法 (即基于中心性、基于特征以及基于点过程)，并对它们进行了分类和回归问题的评估。结果表明，基于特征的方法在预测准确性方面优于其他方法，但针对大型数据集的开销较大。而基于点过程的方法也可能遇到长时间运行的问题。该论文为社交网络分析系统的开发者选择最合适的信息传播预测方法提供了参考。

    Jun, 2016

  • DeepCas: 一种端到端的信息串联预测器

    研究了一种利用深度学习技术预测信息级联大小的方法，并发现该方法可以显著提高级联预测的性能。

    Nov, 2016

  • 用于预测火灾和其他紧急事件的统计和机器学习模型

    此研究针对加拿大埃德蒙顿市的各类紧急事件，通过数据收集、描述性分析、特征分析与选择以及建立预测模型，以不同时间和空间分辨率预测各类事件的发生概率，并对其与社会经济和人口数据的关联进行分析，结果显示模型在大部分事件类型上表现良好，可用于紧急救援服务部门的资源分配和规划，同时研究还发现 COVID-19 对事件发生和预测模型的精度有显著影响。

    Feb, 2024

  • 探究复杂社会系统预测的极限

    本研究探讨了在复杂的社会系统中成功的可预测性，提出了两种错误预测的一般来源：数据和 / 或模型的不足，以及社会系统的固有不可预测性。本文以 Twitter 上的信息级联大小预测为例辅以经验研究，结果表明，即使拥有无限的数据，预测性能也会受到很强的限制；预测准确度的限制不仅取决于数据本身，而且可能取决于产品质量的估计误差和产品质量的微小差异等因素。因此，对于更难以获得数据的其他复杂的社会系统，预测准确度的限制可能更低。

    Feb, 2016

  • 大数据时代的事件预测：系统调查

    本文在大数据时代提供了一个系统和全面的事件预测技术、应用和评估的调查，包括已经存在的技术、主要应用和评估方法的综述、开放问题和未 来方向。

    Jul, 2020

  • 级联能否被预测？

    该研究讨论在社交媒体平台上，用户分享他人的内容可能会通过 resharing 或 reposting 功能形成大规模的 cascade，而未来 cascade 的轨迹本质上是不可预测的，但通过观察其 reshares 数量，结构和时间特征等因素，可以有效预测其继续扩大的概率，同时 initally 时的 breath 水平也是较大 cascade 的较好指标。

    Mar, 2014

  • 利用多模态框架进行全球灾害预测的多样数据驱动

    随着气候变化加剧，准确的全球规模灾害预测变得迫切。本研究提出了一种新颖的多模态灾害预测框架，结合了天气统计数据、卫星图像和文本洞察。我们特别关注 “洪水” 和 “滑坡” 的预测，因为它们与气象和地形因素相关。该模型基于现有数据精心设计，并实施策略来解决类别不平衡问题。虽然我们的研究结果表明，整合多种数据来源可以提升模型性能，但增强程度因每种灾害的特性和其独特的根本原因而有所不同。

    Sep, 2023

  • 从系统视角看事件预测方法综述：融合不同研究领域

    探究事件预测方法，将不同应用领域中散落的方法综合起来，通过分类、综合和评估现有工作，识别开放性挑战，并讨论未来研究方向。

    Feb, 2023

  • 使用超参数扩散模型预测级联故障

    通过信息传播模型，研究电网中的级联故障；通过将传染概率与信息串联模型相关联，建立了稳健的故障扩散模型，有效地预测级联故障传播，减少大规模级联故障的风险。

    Jun, 2024