1. Introduction

Journal: Neurocomputing
Author: Zhiguang Zhou, Xinlong Zhang, Zhiyong Guo, Yuhua Liu
Year: 2019
ISBNs, DOls, PMIDs, or arXiv IDs： DOI:10.1016/j.neucom.2019.10.072
Cite: Zhiguang Zhou, Xinlong Zhang, Zhiyong Guo, Yuhua Liu,
Visual abstraction and exploration of large-scale geographical social media data,
Neurocomputing,
Volume 376,
2020,
Pages 244-255,
ISSN 0925-2312,
https://doi.org/10.1016/j.neucom.2019.10.072.
(https://www.sciencedirect.com/science/article/pii/S0925231219315103))
Reportor: 孙百乐
Attachment: pdf

2. Figures

image.png

3. Summary

数据分布密集是大规模地理社交媒体数据的特点，在可视化的过程中容易出现overlap，作者提出了一种多目标采样方法解决这个问题。传统的采样方法只考虑地理空间特征，而多目标采样可考虑语义特征、地理空间特征、时间特征等。

4. Main Points

  1. 一种快速采样模型，在很大程度上保留了主题的特征分布的情况下，减少了社交媒体数据集的大小。
  2. 快速采样和蓝噪声采样的结合也将尽可能保留语义结构的空间分布。
  3. 一套增强的视觉设计，从语义、时间演变和空间分布等不同角度评估主题的变化。
  4. 集算法模型、评估设计和可视化界面于一体的视觉抽象系统，使用户能够轻松探索人类在线社交行为。

大规模地理社交媒体数据采样.pptx