微博信息采集及群体行为分析

随着在线社会关系网络的迅猛发展,每天数以千万计的人通过发表、评论、分享等方式,产生和传播各类话题.对在线社会关系数据的感知与收集、存储管理、群体行为等进行研究,能更好地挖掘和分析社会关系网络.由于微博平台的登录、数据显示与处理等方面与传统网络平台有很大差异,传统网络爬虫不适于对微博信息的全面抓取.本文采用模拟用户浏览行为方法来爬取海量微博数据,通过数据包截取与分析等手段获取相关信息.实验结果表明该方法的有效性.在此基础上,以收集的微博数据为研究对象,对群体行为进行了分析.

基于群体行为分析的人群异常聚集预测方法

随着智能通信设备的普及和通信基站定位精度的提升,利用通信基站记录的用户行为数据监测和预测人群密度成为可能。由于人群异常聚集事件具有突发性,利用时间序列分析方法和概率模型进行预测的效果较差。针对该问题,提出一种基于群体行为分析的预测方法。通过分析聚集人群的上网行为和基站间的人群移动行为特征,得到两者之间的相关性,结合基站的人群密度时间序列信息,利用扩张因果卷积神经网络和逻辑回归模型得出预测结果。运营商提供的手机用户上网记录数据集上的实验结果表明,该预测方法的精确率为0.93,召回率为0.97,显著优于ARIMA算法、LSTM算法和XGBoost算法,证明了引入用户群体的上网行为和移动特征能够有效提升人群异常聚集预测的准确性。

视频中群体行为自动分析方法

针对监控录像中人群动静人体同时存在,人体之间的相互遮挡、聚集,导致人体检测和行为分析困难的问题,提出了一种基于头肩检测的自带反馈系统的人群群体行为分析方法。基于多视角头肩模型的头肩检测与基于Vibe的背景剪除方法相结合,检测结果一方面用来定位人体的位置和实现多目标跟踪,另一方面作为反馈因子来自动调节Vibe模型在不同区域的更新率,从而实现动静人体的同时检测,进而实现对人群聚集、流动的现象的自动分析。实验结果表明,该方法能有效分析人群的群体行为,并且快速鲁棒,能实现对监控录像的实时处理。

经济学研究中的行为分析方法

经济学是研究人类经济行为和经济活动的科学,而人们的经济行为和经济活动又是一个多重选择和多层次进行的过程,由此形成了经济学研究中的个体行为分析方法和群体行为分析方法,实际上,个体行为分析方法和群体行为分析方法只是行为分析方法的两上不同方面,表出现研究角度的空间相对性;它们都是行为分析方法历史演变的产物,表现出发展变化的时间相对性;它们相互之间并不否定对方,在实践中各有其适用角度及其局限性,表现出逻辑关系上的时空相对性。个体行为与群体行为的内在关系的特征决定了个体行为分析方法和群体行为分析方法之间具有内在的兼容性和互补性,因而许多学者都在其研究中综合运用这两种方法,从中表现出这两种方法在实际应用中的时空相对性。

搜索引擎自动性能评价系统构建的研究

检索系统的评价问题一直是信息领域最核心的问题之一。公开有效的搜索引擎质量评估可以指导搜索引擎用户挑选最有利于获取信息的手段，促进搜索引擎服务提供者与研究人员不断尝试新技术，为搜索引擎广告商挑选最有效的广告投放手段。传统的搜索引擎评价系统已经不能满足实际需要，提高搜索引擎评价方法的自动化程度势在必行。本文提出利用用户群体行为分析来进行搜索引擎自动性能评价，通过利用用户点击行为中蕴含的信息对检索结果进行相关性的评价，最终达到对各种不同搜索引擎进行性能评价的目的。