面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术( 三 )


3.1 基于多模态群体数据关联的事件感知
在线社交网络中群体所贡献的数据往往能够反映感知事件的不同侧面,如何关联同一事件的多模态群体数据,实现事件演化的智能感知与脉络呈现具有现实意义。针对此,提出分层图模型融合多维关系,利用图挖掘等方法实现多模态数据的关联表达,进而生成事件演化脉络。
 面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术
文章图片

▲图9 基于多模态群体数据关联的事件感知
模型如图9所示,其中多模态数据包括时间、文本、图像以及用户交互信息,文本信息用于发现线索,时间信息用于事件分割,图像及用户交互信息用于关联线索。通过跨模态语义关联,将不同模态的数据映射到同一个空间,实现对跨模态数据的关联与优选。基于来自新浪微博中关于两个社会事件(“天津爆炸”,“巴黎恐袭”)的微博数据进行实验。结果表明,所提出方法发现的线索代表性较高,生成的事件脉络可有效关联多模态数据用于刻画事件进展,并且通过关联跨模态数据能够提升所选择数据的相关性与多样性。相关研究成果发表于ACM UbiComp 2017[11]。
3.2 跨城市跨企业群体知识迁移与商业推荐
智慧城市背景下,随着社交媒体和位置服务的普及,城市数据日益增多,为连锁企业的选址研究提供了丰富的信息。现有工作多是在目标城市已有标签数据的情况下,进行候选地的评分预测,完成连锁企业的选址推荐。然而,当目标企业进军新城市,会遇到无标签数据的冷启动问题。针对此,提出一种基于跨城市跨企业群智知识迁移的选址推荐方法,解决连锁企业进军新城市时所面临的历史数据缺失问题。在协同过滤的基础上,引入迁移学习思想,构造包含城市内部特征语义提取、城市间知识关联和迁移评分预测的迁移模型,有效融合城市和企业两方面的知识,解决了冷启动条件下的连锁企业选址推荐问题。相关研究成果发表于国际会议ACM UbiComp 2018[12]。
 面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术
文章图片

▲图10 基于多维感知数据的知识迁移模型
3.4基于图神经网络的跨场景多任务群智知识迁移
应用商店中,用户会在不同场景下载移动APP,如首页浏览下载、搜索下载等。用户在不同场景下的下载记录都能反映用户的兴趣偏好,并且不同场景的数据具有互补性,因此融合不同场景的数据学习用户兴趣偏好,有助于提升推荐性能。针对不同场景(浏览、搜索),根据用户在各场景中下载的移动APP,学习移动APP在不同场景下共享的嵌入表示,刻画用户的兴趣偏好,并通过多任务学习为用户推荐其可能感兴趣的移动APP。具体而言,根据用户在不同场景下载的移动APP序列,构建APP关系图;采用图神经网络学习不同场景下共享的移动APP嵌入表示;根据用户历史下载的移动APP,学习用户的嵌入表示(即用户的兴趣偏好);通过多任务学习跨场景协同优化,给用户推荐可能感兴趣的移动APP。
 面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术
文章图片

▲图11 用户-移动APP关系网络图嵌入表示与知识迁移模型
3.5基于深度-条件随机场模型的城市行为预测
城市犯罪事件的发生受到多种因素的影响,其中包含一些未知的隐含变量。传统条件随机场模型往往构建显式因素与预测目标之间的关系,无法对隐含变量进行建模。同时,城市区域之间的关系稠密,传统条件随机场在应对稠密图结构时运算复杂度较高。针对此,提出一种基于神经网络的条件随机场模型(NN-CCRF),使用长短记忆网络(LSTM)和去噪自编码器(SDAE)分别对影响犯罪事件的时间和空间隐含变量进行建模。基于变分推断理论,将这一模型改造为可以端到端训练的深度神经网络,简化了模型的求解过程,提升了预测性能。相关工作发表在国际会议IJCAI 2019[13]。
 面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术
文章图片

▲图12 基于神经网络的条件随机场预测模型
4 移动群智感知平台CrowdOS
为解决通过众包或群智感知等形式进行大规模数据汇集和优选的通用和个性化问题,设计并实现了开源移动群智感知系统平台CrowdOS[14],系统架构如图13所示。系统集成了感知能力建模、复杂任务分配、多粒度隐私保护与激励机制等关键技术,解决了现有群智系统多面向特定任务设计、任务分配模式单一等问题。
 面向|“城市计算夏令营”精华课程:面向智慧城市的智能感知技术
文章图片

▲图13 移动群智感知系统平台CrowdOS
CrowdOS运行在原生操作系统和上层应用之间,包含了感知端和服务器端。感知端(Sensing-end)的软件载体由两类设备组成,第一类是具备人机交互功能的便携式智能感知设备;第二类是部署在物理世界中的固定传感器。服务端(Server-end)软件提供综合管理服务,通常部署在服务器集群,云服务器或者边缘服务器之上。Sensing-end内部分为两层,底层是系统支持层,主要负责获取感知节点状态,统一封装接口以及保证网络通讯;上层是功能层,主要实现人机交互,任务确定与数据传输。Server-end主要负责任务调度和分配,系统资源管理及核心机制运行等。Sensing-end和Server-end通过一系列通信和交互协议进行数据传输和行为控制。


推荐阅读