Key points are not available for this paper at this time.
Une compréhension incisive des modes de vie humains est non seulement essentielle à de nombreuses disciplines scientifiques, mais a également un impact commercial profond pour le marketing ciblé. Dans cet article, nous présentons LifeSpec, un cadre computationnel pour explorer et catégoriser hiérarchiquement les modes de vie urbains. Plus précisément, nous avons développé un algorithme pour connecter plusieurs comptes de réseaux sociaux de millions d'individus et collecter leurs données comportementales hétérogènes disponibles publiquement ainsi que leurs liens sociaux. De plus, une approche bayésienne non paramétrique est développée pour modéliser le spectre des modes de vie d'un groupe d'individus. Pour démontrer l'efficacité de LifeSpec, nous avons mené des expériences approfondies et des études de cas, avec un vaste ensemble de données que nous avons collecté couvrant 1 million d'individus issus de 493 villes. Nos résultats suggèrent que LifeSpec offre un paradigme puissant pour 1) révéler le mode de vie d'un individu sous plusieurs dimensions et 2) découvrir les points communs et les variations de mode de vie d'un groupe avec divers attributs démographiques, tels que la profession, l'éducation, le genre, l'orientation sexuelle et le lieu de résidence. La méthode proposée fournit des implications émergentes pour la recommandation personnalisée et la publicité ciblée.
Yuan et al. (Mon,) ont étudié cette question.