移动社交媒体时空流数据的可视分析方法研究

The advance of mobile technology enables millions of users to produce and disseminate huge volumes of highly diverse information on public social media in real time. However, real-time detection and analysis of the large volume, diverse dimension and scale, dynamic spatio-temporal streaming data is challenging. Interesting spatio-temporal patterns are usually hidden in large-scale, dynamic and complex social media streaming data, which is difficult to observe and analyze directly. This project will focus on visual analytics of spatio-temporal streaming data extracted from mobile social media platform. The main ideas are: 1) To propose a multi-staged model for processing social streams to detect each single spatio-temporal event, which considers the temporal, spatial, and semantic dimension of the information. A well-tailored Self Organizing Map method is then adopted to produce maps for selected events to facilitate visual comparison, cluster, and abstract of the events. 2) To design a set of visualizations which include a sedimentation visualization, a map visualization, and interactive lenses to enable intuitive, multi-faceted visual analysis of a real-time social stream. 3) To develop a visual analysis prototype system to evaluate the effectiveness and usefulness of the proposed model and visualization, and to allow users to track, analyze, and understand spatio-temporal social media streaming data in real time.

移动互联网的迅猛发展使得具有地理信息标注的社交媒体流数据变得愈加容易获得，然而移动社交媒体时空流数据呈现海量化实时性、维度尺度多样化、高频动态变化等特征，导致难以直接提取、实时跟踪和深入分析其中隐藏的规律和模式。本项目研究移动社交媒体时空流数据的可视分析方法。主要思路是：1）构建多层级的移动社交媒体时空流事件处理模型，考虑信息的时序活跃度、空间活跃度和内容差异性等众多关键因素，实现单一时空流事件的检测，继而基于自组织映射方法分析不同事件间的关联，展开多事件的比较、聚类和抽象；2）以时空事件为依据，设计沉积式可视化、映射可视化和基于互动透镜的多方位可视化方法，同时展现信息焦点和上下文内容，降低视觉杂乱，解决事件跟踪、事件上下文理解和多事件组合式探索问题；3）形成针对时空流数据的可视分析原型系统，允许用户实时地跟踪、分析和理解移动社交媒体时空流数据，并展开模型和可视方法有效性的验证。

移动社交媒体时空流数据呈现海量化实时性、维度尺度多样化、高频动态变化等特征，导致难以直接提取、实时跟踪和深入分析其中隐藏的规律和模式。项目组成员针对移动社交媒体时空流数据的可视分析方法展开了三个方面的研究：（1）社交媒体流数据的事件挖掘和时空传播模型构建，包括多层级移动社交媒体时空流事件处理模型和用于定量衡量社交媒体信息在大规模时空维度上传播过程的数学模型等；（2）大规模多维度多尺度时空流数据可视化方法，包括时空流数据的趋势/沉积式可视分析和映射可视化技术、时空传播复杂动态过程的可视分析等；（3）时空流数据的可视分析系统，支持实时信息追踪、视觉杂乱消除等可视交互技术，支持时空事件检测、交互地理解和分析隐藏在事件背后的模式和规律等，并基于真实社交媒体数据展开了模型和可视化方法验证；相关时空数据挖掘和可视分析技术拓展到了其他领域数据如交通数据等并获得应用。. 上述新模型和方法共有12篇论文发表，包括本领域顶尖期刊如IEEE TVCG, IEEE TMM, ACM TIST等，其中录用在ChinaVis 2019的论文获得了会议最佳论文提名奖。授权发明专利2 项，受理发明专利4项。培养了硕士毕业生5人。后续项目组成员拓展了时空流数据可视化方法，成功应用于同样含时空信息的多源异构定位数据领域，并参与申报获得了浙江省科技进步奖一等奖。此外，项目在实施过程中实时抓取了大量社交媒体流数据如Twitter、微博数据等，目前数据量已经累积达70多亿条且仍在实时抓取，为后续的数据可视分析打下了坚实的基础。