• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International conference on social computing, behavioral-cultural modeling and prediction and behavior representation in modeling and simulation >Fine-Scale Prediction of People's Home Location Using Social Media Footprints
【24h】

Fine-Scale Prediction of People's Home Location Using Social Media Footprints

机译：使用社交媒体足迹对人的住所位置进行精细预测

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In this study, we develop a machine learning classifier that determines Twitter users' home location with 100 m resolution. Our results suggest up to 0.87 overall accuracy in predicting home location for the City of Chicago. We explore the influence of time span of data collection and location-sharing habits of a user. The classifier accuracy changes by data collection time but larger than one-month time spans do not significantly increase prediction accuracy. An individual's home location can be ascertained with as few as 0.6 to 1.4 tweets/day or 75 to 225 tweets with an accuracy of over 0.8. Our results shed light on how home location information can be predicted with high accuracy and how long data needs to be collected. On the flip side, our results imply potential privacy issues on publicly available social media data.
机译：在这项研究中，我们开发了一种机器学习分类器，该分类器以100 m的分辨率确定Twitter用户的家庭位置。我们的结果表明，在预测芝加哥市的房屋位置时，整体精度最高为0.87。我们探讨了数据收集时间跨度和用户的位置共享习惯的影响。分类器准确性随数据收集时间而变化，但大于一个月的时间跨度不会显着提高预测准确性。每天只有0.6到1.4条推文或75到225条推文可以确定一个人的住所，准确度超过0.8。我们的结果揭示了如何高精度地预测房屋位置信息以及需要收集多长时间的数据。另一方面，我们的结果暗示了公开可用的社交媒体数据上的潜在隐私问题。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号