• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International Conference on Social, Cultural, and Behavioral Modeling 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：使用社交媒体脚印对人们家庭位置的精细预测

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：在本研究中，我们开发了一个机器学习分类器，可以使用100米分辨率来确定Twitter用户的主位置。我们的结果表明，预测芝加哥市的家居地点高达0.87。我们探讨了数据收集和用户位置共享习惯的时间跨度的影响。分类器精度通过数据采集时间变化但大于一个月的时间跨度不会显着提高预测精度。可以在少至0.6至1.4鸣叫/天或75至225推文中确定个人的归属位置，精度超过0.8。我们的结果阐明了如何以高精度预测家庭位置信息以及需要收集多长时间的数据。在翻盖方面，我们的结果意味着对公开可用的社交媒体数据有潜在的隐私问题。

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