社交数据在个人征信中的可靠性初探

本文首先对社交数据的概念及特点进行了介绍,然后从内外两个角度,对其在个人征信中的可靠性进行了初步探讨。其中,内部主要讨论了社交数据与个人的还款意愿和还款能力之间的相关性;外部评价则主要包括个人认知及企业实践两个层面。最后,总结了国外社交数据征信的实践经验,希望能够给我国的征信行业的发展一些启示。

基于在线社交数据的消费偏好识别与分析

消费偏好一直是营销管理研究与实践的热点问题。"互联网+"的实施与自媒体平台的普及,使得消费者需求与偏好在传统研究模式下变得难以预测。本文首先对现有研究进行梳理与总结,重点从顾客识别模型构建与消费偏好研究两个方面进行;其次,利用数据挖掘技术获取顾客的在线社交数据,从而构建顾客识别模型;再次,在顾客识别模型的基础上,提出运用文本特征提取方法、抗噪声聚类算法及语义分析法挖掘数据并对偏好进行识别与分析的思路;最后,对本文进行总结,并提出对未来进一步研究的展望。

多源社交数据融合的多角度旅游信息感知

为了提高用户获取旅游知识的效率,同时提供有效的旅行辅助,提出多源社交数据融合的多角度旅游信息感知方法.对异构的旅游相关数据进行预处理,提出跨媒体多角度关联方法来连接碎片化旅游信息,利用"景观-特征刻画"实现景点的多角度刻画.通过序列模式挖掘算法,从历史游记数据中得到典型旅游路线并向用户进行推荐.基于评论文本和图像上、下文的相似性,将图像和文本结合,实现跨媒体信息关联.从大众点评和蚂蜂窝上,采集国内8个热门景点数据进行实验.结果表明,采用该方法能够更细粒度地刻画景点,且提供的旅游路线能够满足不同用户的需求.

基于用户社交数据的图书馆多样性阅读推荐方法

为了提高图书馆阅读服务的针对性,改善传统图书馆阅读推荐服务存在的问题,提出了一种基于用户社交数据的图书馆多样性阅读推荐方法。通过分析图书馆多样性阅读推荐服务现状与用户阅读需求,了解目前图书馆多样性阅读推荐方法存在的问题,针对问题设计一套新的推荐方法。首先引入用户社交数据,进行读者阅读需求的定位分析,计算用户社交兴趣值,根据计算结果推荐多样性主题阅读内容。经实验证明,设计方法推荐结果类别覆盖率高于传统方法,适用于图书馆多样性阅读推荐。

基于社交数据挖掘的心理健康预警建模与分析

本文利用现有的较完善的通用情感词典,并加入网络用词,构建与抑郁症有关的情感词典,结合现有的情感分析手段分析语句中的情感值。人工筛选抑郁用户及非抑郁用户,爬取用户的基本信息及微博内容,从获取的数据中选择相关的信息作为特征。将构建好的特征向量及人为标注的标签(是否抑郁)作为数据集,并随机划分为训练集和测试集,通过XGBoost、SVM、决策树、lightGBM等算法构建不同的分类器,结合精确率、召回率和F1值等指标,得出最优分类器XGBoost,XGBoost分类模型的准确率为91%,召回率为59%,F1分数为71%。该实验结果也表明用社交数据来预测抑郁倾向是可行的。

面向社交数据流连续查询的基准评测

社交数据流上的连续查询处理具有广泛的应用,但其处理技术仍不成熟.本文对社交数据流上的连续查询问题进行建模,定义数据特征、负载类型与分布,以及性能测度.在此基础上,提出一个面向该问题的基准评测.该工作对社交数据流处理应用的系统选型、相关查询处理技术性能比较具有重要意义.

基于机器学习算法的社交数据挖掘与用户偏好的建模

本文提出了用户时事偏好评估模型。首先利用文本挖掘技术对微博数据进行预处理,再通过九种机器学习算法训练对比得到一个最优的时事类文本分类模型。研究结果显示,线性支持分类机为最优分类算法,基于分类结果的偏好评估模型可以结合传统学生评价指标,得到一个更具创新性的用户评价体系用于高校的学生评价工作中。

基于社交数据挖掘的个性化新闻推送研究

本文通过研究在个性化推荐领域的相关研究成果,针对新闻推送实时性、准确性、新颖性等几个方面的需求,针对其时效性问题、冷启动问题、数据稀疏性问题、可扩展性问题,提出采用社交数据挖掘的方式进行个性化新闻推送的想法与研究思路。

基于网络社交数据的城市情绪地图及空间优化探索——以成都市为例

城市情绪是个体情绪状况的集合,可直接表征居民在工作、生活、娱乐等场景中的内心需求。阐述城市情绪的定义、研究内容、分析方法、影响程度,并探索城市情绪地图的应用;成都市是超大城市的典型代表,以其为例开展城市情绪地图分析,提出改善城市情绪状态的空间优化建议,旨在为“以人为本”的从需求挖掘到规划策略的全流程探索提供新的视角和途径。

基于地理社交数据的移动社交网络用户社会化关系发现研究

文章提出了基于地理社交数据来发现用户潜在的关联领域节点,并对移动社交网络用户与节点之间的网络关系进行判别的方法。通过使用耦合隐马尔科夫模型来模拟用户与关联节点的交互情况,从而为节点间关系判别提供支持。最后根据用户与节点的关系以及用户的地理社交信息来为移动社交网络用户提供个性化服务。

基于目标终端与社交数据的虚假用户检测技术

在互联网技术创新和移动互联网深度普及中,社交网络平台作为目前人们获取和传播信息的有效途径,用户数量一直呈现直线上升趋势。现如今,人们对社交网络平台的依赖性越来越高,甚至有不少人将其看作获取信息资讯的首选。但是在进入大数据时代后,社交网络平台充斥着大量虚假信息,并由此造成了一系列社会问题。因此,本文在了解当前社交网络平台发展现状的基础上,根据人工智能检测虚假用户的优势和挑战,提出了以双层采样主动学习为核心的社交网络虚假用户检测技术。最终实验研究结果证明,主动学习策略能更快识别社交网络平台中的虚拟用户。

从社交数据上看，城市里的哪些地方变化最剧烈？

如果你感兴趣，你可以看一下学者分析城市化的一种新方法。

基于遥感和社交媒体数据的城市洪涝灾害监测

城市洪涝监测对灾害管理与应急响应至关重要,单一数据源往往存在各自的缺陷,不利于多维度、全方位地分析城市复杂洪涝灾害灾情。结合不受云雨影响且覆盖范围大的GF-3 SAR影像与实时性较强的社交媒体数据,建立“7·20”特大暴雨郑州市中心城区洪涝监测方法,采用阈值分割、随机森林对GF-3 SAR影像进行多方案的灾前灾中水体提取,获取精度最高的水体提取与洪涝监测结果,分析典型区域的水体提取效果;利用Python工具获取城市内涝的社交媒体数据,对其进行处理、可视化与空间分析;结合GF-3 SAR影像与社交媒体数据洪涝监测结果探讨二者优势互补性。结果表明:SAR影像的水体总体提取效果为随机森林最优,HV次之,HV优于HH,HH优于水体指数SAR水体总体提取精度从高到低依次为随机森林、Otsu阈值法、水体指数法,但是在一些典型区域分析中,随机森林的提取效果低于其他方法;基于SAR影像提取的洪涝淹没范围主要集中在三环外的城市边缘地区与大型水体周围,基于社交媒体数据提取的洪涝信息主要集中在城市人口和建筑密集的三环内。

基于社交媒体数据的应急决策大群体群智知识挖掘及其价值测度方法研究

本文针对突发事件下的社交媒体数据体量庞大,但能够辅助应急决策的大群体群智知识分布无序且价值难以测度的问题,提出了一种应急决策大群体群智知识挖掘及其价值测度方法。首先,基于社交媒体博文数据,依据特定应急决策知识框架,采用TF-IDF(term frequency-inverse document trequency)法和改进后的词汇链算法构建了应急决策大群体群智知识挖掘方法;然后,提出了博文热度计算方法,在此基础上根据知识的语义重要性计算博文包含的群智知识总价值,并使用Shapley函数对群智知识价值进行分配;最后,以“新冠疫情”事件为案例对方法进行应用,并通过对比分析说明了方法的有效性和优越性。

基于CNN-LSTM的社交媒体大数据评论文本情感元自动识别方法

为了准确识别社交媒体评论文本情感,助力公众负面情绪引导,提出了基于CNN-LSTM的社交媒体大数据评论文本情感元自动识别方法。通过社交媒体大数据分类,并通过具有字典功能的Token将评论文本转换成数字列表。结合词嵌入技术得到向量列表,完成社交媒体大数据向量转换的预处理。将预处理获取的向量列表输入CNN网络,得到评论文本情感元最终局部特征值。将该值传至LSTM,通过遗忘门、输入门、输出门调节,获取评论文本情感元特征表征结果,经Softmax分类器分类后,实现情感元自动识别。实验结果表明,该方法能有效完成实验数据预处理,用文字和标签的形式标记正面、负面情感元,并准确识别情感元,间接反映社会问题,应用性较强。

基于大语言模型和社交媒体数据的城市公园公众活动丰富度测度——以上海为例

【目的】基于社交媒体数据的公园研究已成为热点。然而,既有研究依赖单模态数据和自然语言处理(natural language processing,NLP)技术,研究结果的精确度有待提升。随着大语言模型(large language models,LLM)的发展,分析社交媒体数据可实现更精确的城市公园公众活动丰富度解析。【方法】先利用LLM解析包含文本、图像和视频的多模态社交媒体数据,再运用聚类算法探究用户的情感倾向和活动丰富度,生成活动热力图,构建公园公众活动丰富度的量化方法。【结果】以传统问卷方法为参照标准,对比分析发现基于多模态数据的LLM分析法的准确性远优于单模态数据分析法,证实了研究方法的有效性。并将LLM分析法应用于上海外环内的20个城市公园,构建出大规模、高精度的公园公众活动丰富度的全景测度方法。【结论】创新性地利用LLM和多模态社交媒体数据分析城市公园公众活动丰富度,有利于推动人工智能在城市研究领域的学术发展和应用。

基于社交媒体数据的多维游憩情绪评价框架研究——以南京中心城区城市公园为例

利用大量带有情绪标签的社交媒体数据,了解和把握居民在城市公园绿地中的游憩情绪感知体验,为城市公园的改造提升提供策略依据。文章基于城市公园使用者发布的新浪微博数据,在Rost Content Mining软件和BERT模型的支持下对微博文本进行分类、分析,运用IPA分析法构建了游憩区位、环境、设施和感知4个维度的情绪评价框架模型,并以位于南京市中心城区的9个城市公园为例进行实证研究。研究发现:(1)居民在城市公园的游憩体验整体上积极正向,游客对于南京中心城区城市公园的总体建设较为满意,其中白鹭洲公园表现最好。(2)从IPA分析来看,重要性高—满意度低象限内的,急需改善的因素分别是玄武湖公园和鼓楼公园的游憩区位,莫愁湖公园和古林公园的游憩环境,绣球公园、鼓楼公园和小桃园的游憩感知。使用文章的评价框架,能有效捕捉游憩人群在城市公园中的情绪状态及其影响因素,这对城市公园的更新与改进具有重要的指导意义。

基于社交媒体数据的城市暴雨洪涝灾害风险评估——以郑州市“7·20”暴雨事件为例

近年来强降雨引发的城市洪涝灾害事件趋多,严重危害了人民的生命健康和财产安全,而客观、准确地开展城市暴雨洪涝灾害风险评估对于有效提升防灾减灾水平至关重要。但是,城市灾害点部分基础数据资料的缺失和滞后限制了城市暴雨洪涝灾害风险评估结果的准确性。随着移动互联技术的发展,民众在社交媒体上发布的相关灾害信息逐渐汇集成一种具有海量、时效性强和主题明确等特征的社交媒体数据资源,将其引入城市暴雨洪涝灾害风险评估工作对于准确刻画城市暴雨洪涝灾害的全貌无疑具有显著意义。以2021年郑州市“7·20”暴雨事件为例,首先从气象因素、基础地理信息、社会经济因素三方面选取了13个影响因子,然后基于爬虫技术获取微博数据中的内涝点信息,最后基于GBDT、XGB、RF和AdaB 4种机器学习模型对郑州市“7·20”暴雨洪涝灾害进行风险评估。结果表明:①基于上述模型得到的4组指标权重具有统计意义上的一致性,在各影响因子中,道路密度、植被覆盖指数、半小时最大降雨量和日最大降雨量在4组指标重要性排序中均位列前5,表明上述影响因子是本次暴雨洪涝灾害的主要致灾因素;②基于皮尔逊相关系数检验发现上述4种模型评估结果间的相关程度较高,所得出的极高风险区均集中在郑州市五大主城区的中心部分、中牟市东北部、新密市米村镇及城关镇、巩义市巩义站周边;③上述4种模型的AUC和ACC值均超过0.7,证实了机器学习模型在城市暴雨洪涝灾害风险评估中的有效性;相较于GBDT、XGB和RF模型,AdaB模型的评估结果精度最高,且得到的高风险与极高风险区的Rei值之和最大,表明其评估结果与实际情况相符。本研究通过将社交媒体数据引入城市暴雨洪涝灾害风险评估工作有效地提升了评估结果的准确性,可为郑州市及其他城市在类似强降水事件下的洪涝灾害风险预警和应急处置提供决策依据。

基于社交媒体数据的洪水风险信息提取与应用研究综述

社交媒体数据作为一种时空大数据,具有实时性和位置服务的特点,近年来在国外洪水风险管理中得到广泛应用。目前国内针对该数据类型在洪水风险管理中的研究较少,相关应用受限。通过对国内外基于社交媒体数据的洪涝灾害研究进行综述,探讨洪水风险信息的提取与分析方法,指出社交媒体数据在洪水风险管理中的应用方向,包括洪涝灾害的监测预警、灾情的时空分析、情绪和响应行为分析、救灾部署及灾害损失评估等。此外,社交媒体数据具有实时性、多类型性、可视化的优势,也存在质量与精度有限、虚假信息过多、用户群体受限和文化差异等挑战。如何发挥社交媒体数据的优势,弥补传统监测手段的不足,对于我国城市应急管理部门高效应对洪水风险具有重要意义。

基于社交媒体数据的网师园驻点游人分布研究

研究游人在园林中的分布对游览路线的优化、园林景区的精细化管理等具有重要意义。驻点研究法是一种适用于研究微观景区游人分布的方法,然而,基于视频分析技术的驻点研究法存在着数据获取与运算上的难度。因此,研究提出了一种使用社交媒体数据来探究游人在驻点处分布情况的思路。以网师园为研究区域,基于在社交媒体平台爬取的照片数据,结合驻点研究法得到的驻点停驻人次数据,使用皮尔逊相关性分析、信息熵等方法分析了游人分布情况。结果显示:(1)皮尔逊相关系数表明社交媒体与驻点游人分布正相关,并在10~20s时呈强相关关系;(2)信息熵指出两数据源在大多数情况下所得到的游人分布地图的信息量接近。以上结果表明使用社交媒体数据来解释驻点游人分布具有可行性,研究成果为游人行为的精细化研究提供了新的思路和数据基础。