論文の概要: A hybrid analysis of LBSN data to early detect anomalies in crowd
dynamics
- arxiv url: http://arxiv.org/abs/2312.08092v1
- Date: Wed, 13 Dec 2023 12:17:16 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-14 15:36:17.608618
- Title: A hybrid analysis of LBSN data to early detect anomalies in crowd
dynamics
- Title(参考訳): 群集動力学における異常早期検出のためのlbsnデータのハイブリッド解析
- Authors: Rebeca P. D\'iaz-Redondo, Carlos Garcia-Rubio, Ana Fern\'andez Vilas,
Celeste Campo, Alicia Rodriguez-Carrion
- Abstract要約: 位置情報ベースのソーシャルネットワーク(LBSN)は、地理的に位置付けられたデータの興味深い情報源を提供する。
ソーシャルメディア活動における予期せぬ行動は、市内の活動の予期せぬ変化の信頼できる証拠である。
本稿では,2つのアプローチの組み合わせを適用し,これらの変化を早期に検出するハイブリッドソリューションを提案する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Undoubtedly, Location-based Social Networks (LBSNs) provide an interesting
source of geo-located data that we have previously used to obtain patterns of
the dynamics of crowds throughout urban areas. According to our previous
results, activity in LBSNs reflects the real activity in the city. Therefore,
unexpected behaviors in the social media activity are a trustful evidence of
unexpected changes of the activity in the city. In this paper we introduce a
hybrid solution to early detect these changes based on applying a combination
of two approaches, the use of entropy analysis and clustering techniques, on
the data gathered from LBSNs. In particular, we have performed our experiments
over a data set collected from Instagram for seven months in New York City,
obtaining promising results.
- Abstract(参考訳): LBSN(Location-based Social Networks)は、これまで都市部における群衆の動態パターンの収集に利用してきた、地理的位置情報の興味深い情報源を提供する。
以上の結果から,LBSNの活動は市の実際の活動を反映している。
したがって、ソーシャルメディア活動における予期せぬ行動は、市内の活動の予期せぬ変化の信頼できる証拠である。
本稿では,lbsnsから収集したデータに対して,エントロピー解析とクラスタリングの2つの手法を組み合わせることで,これらの変化を早期に検出するハイブリッドソリューションを提案する。
特に、我々はニューヨークで7ヶ月間にわたってinstagramから収集されたデータセットで実験を行い、有望な結果を得た。
関連論文リスト
- Physics-guided Active Sample Reweighting for Urban Flow Prediction [75.24539704456791]
都市フロー予測は、バス、タクシー、ライド駆動モデルといった交通サービスのスループットを見積もる、微妙な時間的モデリングである。
最近の予測解は、物理学誘導機械学習(PGML)の概念による改善をもたらす。
我々は、PN(atized Physics-guided Network)を開発し、P-GASR(Physical-guided Active Sample Reweighting)を提案する。
論文 参考訳(メタデータ) (2024-07-18T15:44:23Z) - Influence Maximization via Graph Neural Bandits [54.45552721334886]
IM問題を多ラウンド拡散キャンペーンに設定し,影響を受けやすいユーザ数を最大化することを目的とした。
IM-GNB(Influence Maximization with Graph Neural Bandits)を提案する。
論文 参考訳(メタデータ) (2024-06-18T17:54:33Z) - Early Detection of Critical Urban Events using Mobile Phone Network Data [1.215595725505415]
ネットワークシグナリングデータ(NSD)は、個人による携帯電話サービスに関する継続的な時間情報を提供する可能性がある。
NSDは、火災、大事故、スタンプ、テロ攻撃、スポーツやレジャーの集まりなど、重要な都市イベントの早期発見を可能にする。
本稿では,高度NSDが交通サービス消費の異常を検出できるという実証的証拠を提示する。
論文 参考訳(メタデータ) (2024-05-29T14:31:39Z) - WEST GCN-LSTM: Weighted Stacked Spatio-Temporal Graph Neural Networks for Regional Traffic Forecasting [0.8215320771752098]
本研究の目的は,従来の時間的グラフニューラルネットワークアーキテクチャの拡張である。
エンドプロダクトは、WEST(Weighted STacked) GCN-LSTMと呼ばれる新しい時間グラフネットワークニューラルネットワークアーキテクチャである。
論文 参考訳(メタデータ) (2024-05-01T15:19:19Z) - Discovering Geo-dependent Stories by Combining Density-based Clustering
and Thread-based Aggregation techniques [0.0]
本稿では,ソーシャルメディアにおけるジオタグ付き投稿のグローバル分析を紹介する。
i)都市における予期せぬ行動の検出と、(ii)何が起こっているのかを推測するためのポストの分析を支援する。
われわれはこの手法を、ニューヨーク市のInstagram活動から7ヶ月にわたって得られたデータセットに適用した。
論文 参考訳(メタデータ) (2023-12-18T10:17:12Z) - Reconstructing human activities via coupling mobile phone data with
location-based social networks [20.303827107229445]
本稿では,携帯電話データと位置情報ソーシャルネットワーク(LBSN)データを結合することで,ユーザの行動を特定するためのデータ分析フレームワークを提案する。
我々は,10万人の携帯電話利用者の行動連鎖を再構築し,各活動タイプの時間的・空間的特徴を分析した。
論文 参考訳(メタデータ) (2023-06-06T06:37:14Z) - Self-supervised Graph-based Point-of-interest Recommendation [66.58064122520747]
Next Point-of-Interest (POI)レコメンデーションは、ロケーションベースのeコマースにおいて重要なコンポーネントとなっている。
自己教師付きグラフ強化POIレコメンデーション(S2GRec)を次のPOIレコメンデーションのために提案する。
特に,グローバル・トランジション・グラフと局所軌道グラフの両方からの協調的な信号を組み込むために,グラフ強化セルフアテンテート・レイヤを考案した。
論文 参考訳(メタデータ) (2022-10-22T17:29:34Z) - Predicting Seriousness of Injury in a Traffic Accident: A New Imbalanced
Dataset and Benchmark [62.997667081978825]
本稿では,交通事故における傷害の重大性を予測するために,機械学習アルゴリズムの性能を評価する新しいデータセットを提案する。
データセットは、英国運輸省から公開されているデータセットを集約することで作成される。
論文 参考訳(メタデータ) (2022-05-20T21:15:26Z) - DRFLM: Distributionally Robust Federated Learning with Inter-client
Noise via Local Mixup [58.894901088797376]
連合学習は、生データをリークすることなく、複数の組織のデータを使用してグローバルモデルをトレーニングするための有望なアプローチとして登場した。
上記の2つの課題を同時に解決するための一般的な枠組みを提案する。
我々は、ロバストネス解析、収束解析、一般化能力を含む包括的理論的解析を提供する。
論文 参考訳(メタデータ) (2022-04-16T08:08:29Z) - An Expectation-Based Network Scan Statistic for a COVID-19 Early Warning
System [8.634409966628322]
新型コロナウイルス(COVID-19)パンデミックに対するグレーター・ロンドン・オーソリティ(GLA)の対応のひとつとして、複数の大規模および異種データセットが集められている。
本稿では,早期警戒システムについて述べるとともに,GLAとTransport for Londonを支援するネットワークの予測に基づくスキャン統計を導入する。
論文 参考訳(メタデータ) (2020-12-08T19:35:17Z) - A Multi-Channel Neural Graphical Event Model with Negative Evidence [76.51278722190607]
イベントデータセットは、タイムライン上で不規則に発生するさまざまなタイプのイベントのシーケンスである。
基礎となる強度関数を推定するために,非パラメトリックディープニューラルネットワーク手法を提案する。
論文 参考訳(メタデータ) (2020-02-21T23:10:50Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。