社会化媒体上信息时空传播的可视分析

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    61502416
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    22.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    F0214.新型计算及其应用基础
  • 结题年份:
    2018
  • 批准年份:
    2015
  • 项目状态:
    已结题
  • 起止时间:
    2016-01-01 至2018-12-31

项目摘要

The advance of technology leads to the prevalence of Global Positioning System (GPS) in mobile devices, which help produce a huge volume of information spreading on social media that carries not only temporal information but also geographic information. This provides a great opportunity to detect and study the patterns of spatio-temporal diffusion of information on social media. Nevertheless, quick detection and analysis of the spatio-temporal diffusion of information, especially in a large (such as global) scale is rather challenging. First, interesting spatio-temporal diffusion (i.e., communication among various groups of users in different locations over time) patterns are usually hidden in large-scale, complex user behavior data, which is difficult to observe and analyze directly. Second, effective and intuitive visualization of spatio-temporal diffusion of information is still absent in the field. ..This project will focus on visual analytics of spatio-temporal diffusion of information on social media and study the following problems: 1) To derive a reliable and quantitative model that can quickly detect interesting spatio-temporal diffusion patterns from the large-scale, complex user behavior data and quantitatively assess the strength of the diffusion; 2) To design intuitive and effective visualization methods to help analysts explore and understand the interesting spatio-temporal diffusion patterns detected by the quantitative model; 3) To develop easy-to-use and proper user interaction techniques for spatio-temporal visualization, and build a visual analytics system that enables analysts to monitor, analyze, and track the diffusion of information in real time.
近年来由于移动设备上全球定位(GPS)功能的普及,社会化媒体上传播的信息不仅含有时间属性,还往往附带有空间属性,因此为研究信息的时空传播提供了难得的契机。尽管如此,快速地观察和分析信息的时空传播,尤其是大尺度(例如全国乃至全球)传播仍然异常困难,原因主要有:1)时空传播规律隐藏在大规模异构的复杂用户行为数据中,难以进行直接研究;2)缺乏有效的针对时空传播行为的时空数据可视化方法和技术。..本项目研究基于时空维度的社会化媒体用户传播信息行为的可视分析方法,解决三个主要问题:1)建立可靠和可用的时空传播定量模型,迅速发现并定量评估多个话题在社交网络上的空传播的强度和途径;2)设计直观和有效的时空可视化方法,展现多层次、多维度和多主题的时空传播过程;3)开发易用和合适的时空可视化交互技术,构建时空可视分析系统,允许用户实时地监控、分析和追踪信息时空传播的轨迹。

结项摘要

近年来由于移动设备上全球定位(GPS)功能的普及,社会化媒体上传播的信息不仅含有时 间属性,还往往附带有空间属性,因此为研究信息的时空传播提供了难得的契机。尽管如此, 快速地观察和分析信息的时空传播,尤其是大尺度(例如全国乃至全球)传播仍然异常困难,原因主要有:1)时空传播规律隐藏在大规模异构的复杂用户行为数据中,难以进行直接研究;2) 缺乏有效的针对时空传播行为的时空数据可视化方法和技术。..本项目研究基于时空维度的社会化媒体用户传播信息行为的可视分析方法,解决了三个主要问题:1)建立可靠和可用的时空传播定量模型,迅速发现并定量评估多个话题在社交网络上的 空传播的强度和途径;2)设计直观和有效的时空可视化方法,展现多层次、多维度和多主题的 时空传播过程;3)开发易用和合适的时空可视化交互技术,构建时空可视分析系统,允许用户实时地监控、分析和追踪信息时空传播的轨迹。 项目的成果包括一个在线的信息传播可视分析软件SocialWave,该系统允许用户交互式地从时间和空间两个维度探索、研究和总结信息传播规律; 提交一份专利申请;在高水平的国际学术会议(如 IEEE VIS、EuroVis 等)和 SCI 检索的学术期刊 (如 IEEE Transactions on Visualization and Computer Graphics)上发表19篇学术论文,其中包括13篇CCF A类论文,大大超出预期成果。

项目成果

期刊论文数量(18)
专著数量(0)
科研奖励数量(0)
会议论文数量(1)
专利数量(1)
egoComp: A node-link-based technique for visual comparison of ego-networks
egoComp:一种基于节点链接的技术,用于自我网络的视觉比较
  • DOI:
    10.1177/1473871616667632
  • 发表时间:
    2017
  • 期刊:
    Information Visualization
  • 影响因子:
    2.3
  • 作者:
    Dongyu Liu;Fangzhou Guo;Bowen Deng;Huamin Qu;Yingcai Wu
  • 通讯作者:
    Yingcai Wu
Toward the Better Modeling and Visualization of Uncertainty for Streaming Data
更好地对流数据的不确定性进行建模和可视化
  • DOI:
    --
  • 发表时间:
    --
  • 期刊:
    Journal of Visualization
  • 影响因子:
    1.7
  • 作者:
    Tan Tang;Kaijuan Yuan;Junxiu Tang;Yingcai Wu
  • 通讯作者:
    Yingcai Wu
iStoryline: Effective Convergence to Hand-drawn Storylines.
iStoryline:与手绘故事情节的有效融合。
  • DOI:
    --
  • 发表时间:
    2019
  • 期刊:
    IEEE Transactions on Visualization and Computer Graphics
  • 影响因子:
    5.2
  • 作者:
    Tan Tang;Sadia Rubab;Jiewen Lai;Weiwei Cui;Lingyun Yu;Yingcai Wu
  • 通讯作者:
    Yingcai Wu
StreamExplorer: A Multi-Stage System for Visually Exploring Events in Social Streams
StreamExplorer:用于可视化探索社交流中事件的多级系统
  • DOI:
    --
  • 发表时间:
    2018
  • 期刊:
    IEEE Transactions on Visualization and Computer Graphics
  • 影响因子:
    5.2
  • 作者:
    Yingcai Wu;Zhutian Chen;Guodao Sun;Xiao Xie;Nan Cao;Shixia Liu;Weiwei Cui
  • 通讯作者:
    Weiwei Cui
PieceStack: Toward Better Understanding of Stacked Graphs
PieceStack:更好地理解堆叠图
  • DOI:
    10.1109/tvcg.2016.2534518
  • 发表时间:
    2016
  • 期刊:
    IEEE Transactions on Visualization and Computer Graphics
  • 影响因子:
    5.2
  • 作者:
    Tongshuang Wu;Yingcai Wu;Conglei Shi;Huamin Qu;Weiwei Cui
  • 通讯作者:
    Weiwei Cui

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

巫英才的其他基金

城市多源异构数据的关联建模与可视分析
  • 批准号:
    U1609217
  • 批准年份:
    2016
  • 资助金额:
    210.0 万元
  • 项目类别:
    联合基金项目

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码