scholarly journals The (Co-)Location Sharing Game

2019 ◽  
Vol 2019 (2) ◽  
pp. 5-25 ◽  
Author(s):  
Alexandra-Mihaela Olteanu ◽  
Mathias Humbert ◽  
Kévin Huguenin ◽  
Jean-Pierre Hubaux
Keyword(s):  
Social Networks ◽  
Data Driven ◽  
Social Benefits ◽  
Location Information ◽  
Individual Preferences ◽  
Mobility Data ◽  
Location Sharing ◽  
Strategic Behaviors ◽  
Game Theoretic ◽  
Location Based Social Networks

Abstract Most popular location-based social networks, such as Facebook and Foursquare, let their (mobile) users post location and co-location (involving other users) information. Such posts bring social benefits to the users who post them but also to their friends who view them. Yet, they also represent a severe threat to the users’ privacy, as co-location information introduces interdependences between users. We propose the first game-theoretic framework for analyzing the strategic behaviors, in terms of information sharing, of users of OSNs. To design parametric utility functions that are representative of the users’ actual preferences, we also conduct a survey of 250 Facebook users and use conjoint analysis to quantify the users’ benefits o f sharing vs. viewing (co)-location information and their preference for privacy vs. benefits. Our survey findings expose the fact that, among the users, there is a large variation, in terms of these preferences. We extensively evaluate our framework through data-driven numerical simulations. We study how users’ individual preferences influence each other’s decisions, we identify several factors that significantly affect these decisions (among which, the mobility data of the users), and we determine situations where dangerous patterns can emerge (e.g., a vicious circle of sharing, or an incentive to over-share) – even when the users share similar preferences.

scholarly journals Data-driven modeling of leading-following behavior in Bechstein’s bats

2019 ◽  
Author(s):  
Pavlin Mavrodiev ◽  
Daniela Fleischmann ◽  
Gerald Kerth ◽  
Frank Schweitzer
Keyword(s):  
Social Networks ◽  
Empirical Data ◽  
The Other ◽  
Data Driven ◽  
Data Sets ◽  
Individual Preferences ◽  
Empirical Information ◽  
Communal Roosting ◽  
Data Driven Modeling

AbstractLeading-following behaviour in Bechstein’s bats transfers information about suitable roost sites from experienced to inexperienced individuals, and thus ensures communal roosting. We analyze 9 empirical data sets about individualized leading-following (L/F) events, to infer rules that likely determine the formation of L/F pairs. To test these rules, we propose five models that differ regarding the empirical information taken into account to form L/F pairs: activity of a bat in exploring possible roosts, tendency to lead and to follow. The comparison with empirical data was done by constructing social networks from the observed L/F events, on which centralities were calculated to quantify the importance of individuals in these L/F networks. The centralities from the empirical network are then compared for statistical differences with the model-generated centralities obtained from 105 model realizations. We find that two models perform well in comparison with the empirical data: One model assumes an individual tendency to lead, but chooses followers at random. The other model assumes an individual tendency to follow and chooses leaders according to their overall activity. We note that neither individual preferences for specific individuals, nor other influences such as kinship or reciprocity, are taken into account to reproduce the empirical findings.

Quality of Urban Life Index From Location-Based Social Networks Data

2017 ◽  
pp. 185-207 ◽  
Author(s):  
Rodrigo Smarzaro ◽  
Tiago França Melo de Lima ◽  
Clodoveu Augusto Davis Jr.
Keyword(s):  
Social Networks ◽  
Urban Planning ◽  
Urban Life ◽  
Life Index ◽  
Mobility Data ◽  
Quality Of Urban Life ◽  
Belo Horizonte ◽  
Location Based Social Networks ◽  
The City

Several indicators are developed to support the decision-making processes in public policy for urban planning. Some of them seek to measure the quality of urban life. For example, the city of Belo Horizonte developed and uses an index called Quality of Urban Life Index, which identifies inequalities within the city, and therefore, those areas that need more investment. This index is calculated by measuring the availability of various kinds of services (e.g. education, infrastructure) and their accessibility (based on travel time and mobility data). For that, data from several government sources must be collected and used, which can delay updates of index values. In this chapter, the authors describe how data from Location-Based Social Networks (LBSN) can be used to calculate urban indicators, and hence, how they could be used as an alternative data source for estimating quality of urban life with faster results to support urban planning policies.

scholarly journals Data - driven Innovation

2019 ◽  
Author(s):  
Κωνσταντίνος Βασσάκης
Keyword(s):  
Social Networks ◽  
Data Driven ◽  
Location Based Social Networks

Αυτή η διδακτορική διατριβή αποτελείται από τρία ξεχωριστά κεφάλαια που μελετούν την εκμετάλλευση της ανάλυσης μεγάλων δεδομένων και τοποθεσίας για την εξόρυξη γνώσης σε σε τουριστικούς προορισμούς. Το πρώτο κεφάλαιο μελετά το ρόλο και τον αντίκτυπο της ανάλυσης μεγάλων δεδομένων στην καινοτομία και τη δημιουργία αξίας. Η ραγδαία αύξηση δεδομένων, η οποία οφείλεται κυρίως στην αύξηση της διασύνδεσης συσκευών (Διαδίκτυο των Πραγμάτων) έχει οδηγήσει σε μια "εποχή μεγάλων δεδομένων", όπου η ανάλυση μεγάλων δεδομένων εφαρμόζεται σε όλους τους κλάδους παγκοσμίως. Η αύξηση των διαθέσιμων δεδομένων είναι φανερή, ενώ πολύτιμη γνώση προκύπτει από τις πληροφορίες που προέρχονται από τις διαδικασίες ανάλυσης μεγάλων δεδομένων. Το δεύτερο κεφάλαιο διερευνά την εξόρυξη γνώσης μέσω της αξιοποίησης τεχνικών ανάλυσης μεγάλων δεδομένων και τοποθεσίας. Σήμερα οι επισκέπτες μιας περιοχής παράγουν τεράστιους όγκους δεδομένων, “μεγάλα δεδομένα”, κατά την επίσκεψη τους στον αστικό προορισμό. Ωστόσο, ελάχιστη γνώση υπάρχει σχετικά με τη χωρική δραστηριότητα και τις αντιλήψεις τους. Οι επιχειρήσεις και οι οργανισμοί στους κλάδους της φιλοξενίας και του τουρισμού είναι σε θέση να αξιοποιήσουν πραγματικά δεδομένα συμπεριφοράς/αντιλήψεων τα οποία προέρχονται από μεγάλα δεδομένα που παράγονται σε πραγματικό χρόνο από διαδικτυακές πηγές δεδομένων σε αντίθεση με την συγκέντρωση δεδομένων από παραδοσιακές έρευνες βάσει ερωτηματολογίων. Μια νέα καινοτόμος προσέγγιση προτείνεται και εφαρμόζεται με την Κρήτη ως μελέτη περίπτωσης, χρησιμοποιώντας τεχνικές ανάλυσης μεγάλων δεδομένων, ευφυϊας τοποθεσίας και κοινωνικών δικτύων που μετατρέπουν τις τουριστικές εμπειρίες σε πολύτιμα περιουσιακά στοιχεία (εξόρυξη νέας γνώσης) για ταχύτερη και αποτελεσματικότερη λήψη αποφάσεων. Πιο συγκεκριμένα, η προσέγγιση εισάγει: τον συνδυασμό ανάλυσης κειμένων και φωτογραφιών με δεδομένα που προέρχονται από κοινωνικά δίκτυα διαμοιρασμού κειμένων και πολυμένων, την ανάλυση μεγάλων δεδομένων κοινωνικών δικτύων όπως ανάλυση συναισθήματος, ανίχνευσης θεμάτων/ετικετών σε συνδυασμό με χωροχρονικά χαρακτηριστικά που παρέχουν περισσότερες πληροφορίες για τους τουριστικούς προορισμούς. Τα ευρήματα της έρευνας αποδεικνύουν ότι η νέα αυτή προσέγγιση σε αντίθεση με τις παραδοσιακές τουριστικές έρευνες/μελέτες και τα συμβατικά χωροχρονικά δεδομένα, μπορεί να παρέχει νέα και πολύτιμη γνώση. Τα συμπεράσματα της μελέτης είναι σημαντικά για τουριστικές μικρομεσαίες επιχειρήσεις, οργανισμούς διαχείρισης προορισμών και άλλους ενδιαφερόμενα μέλη του τουρισμού στην αναζήτηση καινοτόμων στρατηγικών μάρκετινγκ για την ανάδειξη της προστιθέμενης αξίας ενός προορισμού, ενισχύοντας την ταυτότητα του προορισμού και αποκτώντας ανταγωνιστικό πλεονέκτημα έναντι άλλων ανταγωνιστικών τουριστικών προορισμών. Το τρίτο κεφάλαιο διερευνά τα δεδομένα που παράγονται από χρήστες στα κοινωνικά δίκτυα τοποθεσίας (location-based social networks) που μπορούν να αποτελέσουν μία σημαντική πηγή γνώσης για την κατανόηση λεπτομερειών συμπεριφοράς των ανθρώπων και των ροών κίνησης στους τουριστικούς προορισμούς. Σήμερα, οι τοπικές αρχές και οι τουριστικές επιχειρήσεις χρησιμοποιούν συμβατικές μεθόδους όπως έρευνες και δημοσκοπήσεις για τη συλλογή δεδομένων και τη λήψη στρατηγικών αποφάσεων. Οι προσεγγίσεις αυτές παρά τα οφέλη τους παρουσιάζουν και σημαντικά μειονεκτήματα όπως το μικρό μέγεθος δείγματος και οι απαιτήσεις τους σε χρόνο. Εστιάζοντας στον τουριστικό κλάδο και στα κοινωνικά δίκτυα τοποθεσίας, αναδεικνύεται μία νέα προσέγγιση για την εκμετάλλευση μεγάλων μη δομημένων δεδομένων για την εξόρυξη νέας γνώσης. Σε αντίθεση με τα συμβατικά χωροχρονικά δεδομένα, τα μεγάλα δεδομένα των κοινωνικών δικτύων προσφέρουν δυναμικά στην καινοτομία και την δημιουργία αξίας μέσω της βελτίωσης λήψης στρατηγικών αποφάσεων από τους ενδιαφερόμενους στους τουριστικούς προορισμούς. Η προσέγγιση ενσωματώνει τεχνικές ανάλυσης μεγάλων δεδομένων και τοποθεσίας και υλοποιείται βασισμένη σε δεδομένων που παράγονται από χρήστες και έχουν διαμοιραστεί στα δύο μεγαλύτερα νησιά της Μεσογείου, την Κρήτη (Ελλάδα) και την Κύπρο. Η σύγκριση μεταξύ δύο τουριστικών προορισμών με αρκετά κοινά χαρακτηριστικά παρέχει επιπλέον στοιχεία για τις δυνατότητες κάθε προορισμού και τα σημεία που επιτρέπουν βελτίωση. Πρακτικά συμπεράσματα που προκύπτουν από την αποτελεσματική χωροχρονική και δημογραφική ανάλυση της τουριστικής κίνησης στους δύο προορισμούς για την βελτίωση της λήψης στρατηγικών αποφάσεων που οδηγούν σε καινοτομία και δημιουργία αξίας από τα ενδιαφερόμενα μέρη όπως οι τοπικές αρχές και οι τουριστικές μικρομεσαίες επιχειρήσεις. Επιπλέον, οι οργανισμοί διαχείρισης και προώθησης προορισμού μπορούν να αξιοποιήσουν τη νέα γνώση για την ανάπτυξη καινοτόμων στρατηγικών μάρκετινγκ, την ενίσχυση του branding προορισμού και την απόκτηση ανταγωνιστικού πλεονεκτήματος σε σχέση με τους ανταγωνιστικούς τουριστικούς προορισμούς.

scholarly journals Mining trips from location-based social networks for clustering travelers and destinations

2020 ◽  
Vol 22 (1) ◽  
pp. 131-166
Author(s):  
Linus W. Dietz ◽  
Avradip Sen ◽  
Rinita Roy ◽  
Wolfgang Wörndl
Keyword(s):  
Social Networks ◽  
Spatial Clustering ◽  
Data Driven ◽  
Social Aspects ◽  
Extended Version ◽  
Mobility Patterns ◽  
Data Set ◽  
The World ◽  
Region Model ◽  
Location Based Social Networks

Abstract It is important to learn the characteristics of travelers and touristic regions when trying to generate recommendations for destinations to users. In this work, we first present a data-driven method to mine trips from location-based social networks to understand how tourists travel the world. These trips are quantified using a number of metrics to capture the underlying mobility patterns. We then present two applications that utilize the mined trips. The first one is an approach for clustering travelers in two case studies, one of Twitter and another of Foursquare, where the pure mobility metrics are enriched with social aspects, i.e., the kinds of venues into which the users checked-in. Clustering 133,614 trips from Twitter, we obtain three distinct clusters. In the Foursquare data set, however, six clusters can be determined. The second application area is the spatial clustering of destinations around the world. These discovered regions are solely formed by the mobility patterns of the trips and are, thus, independent of administrative regions such as countries. We identify 942 regions as destinations that can be directly used as a region model of a destination recommender system. This paper is the extended version of the conference article “Characterisation of Traveller Types Using Check-in Data from Location-Based Social Networks” presented at the 26th Annual ENTER eTourism Conference held from January 19 to February 1, 2019 in Nicosia, Cyprus.

scholarly journals Location Based Services for Sharing Using Trusted Server

2020 ◽  
pp. 68-73
Keyword(s):  
Social Networks ◽  
Location Privacy ◽  
Location Based Services ◽  
Location Information ◽  
Location Based Service ◽  
Privacy Concerns ◽  
Computational Overhead ◽  
Location Sharing ◽  
Current Location ◽  
Cryptographic Primitive

The main aim of location-sharing is to provide current location information to their designated users. Nowadays, Location Based Service (LBS) has become one of the popular services which are provided by social networks. As LBS activity makes use of the user's identity and current location information, an appropriate path has to be utilized to protect the location privacy. However, as per our knowledge, there is no access to protecting the location sharing with the complete privacy of the location. To consider this issue, we put forward a new cryptographic primitive functional pseudonym for location sharing that make sure privacy of the data. Also, the proposed approach notably reduces the computational overhead of users by delegating part of the computation for location sharing to a server, therefore it is endurable. The primitive can be widely used in many MOSNs to authorize LBS with enhanced privacy and sustainability. As a result, it will contribute to proliferate LBS by eliminating user's privacy concerns.

scholarly journals Location-sharing protocol for privacy protection in mobile online social networks

2021 ◽  
Vol 2021 (1) ◽  
Author(s):  
Ou Ruan ◽  
Lixiao Zhang ◽  
Yuanyuan Zhang
Keyword(s):  
Social Networks ◽  
Private Information ◽  
Online Social Networks ◽  
Smart Cities ◽  
Location Based Services ◽  
Broadcast Encryption ◽  
Location Sharing ◽  
Identity Privacy ◽  
And Performance ◽  
Network Server

AbstractLocation-based services are becoming more and more popular in mobile online social networks (mOSNs) for smart cities, but users’ privacy also has aroused widespread concern, such as locations, friend sets and other private information. At present, many protocols have been proposed, but these protocols are inefficient and ignore some security risks. In the paper, we present a new location-sharing protocol, which solves two issues by using symmetric/asymmetric encryption properly. We adopt the following methods to reduce the communication and computation costs: only setting up one location server; connecting social network server and location server directly instead of through cellular towers; avoiding broadcast encryption. We introduce dummy identities to protect users’ identity privacy, and prevent location server from inferring users’ activity tracks by updating dummy identities in time. The details of security and performance analysis with related protocols show that our protocol enjoys two advantages: (1) it’s more efficient than related protocols, which greatly reduces the computation and communication costs; (2) it satisfies all security goals; however, most previous protocols only meet some security goals.

scholarly journals A Data-Driven Framework for Coding the Intent and Extent of Political Tweeting, Disinformation, and Extremism

Information ◽  
2021 ◽  
Vol 12 (4) ◽  
pp. 148
Author(s):  
Mahdi Hashemi
Keyword(s):  
Social Networks ◽  
Presidential Election ◽  
Online Social Networks ◽  
Data Driven ◽  
The Political ◽  
Political Affiliation ◽  
News Sources ◽  
The U.S

Disinformation campaigns on online social networks (OSNs) in recent years have underscored democracy’s vulnerability to such operations and the importance of identifying such operations and dissecting their methods, intents, and source. This paper is another milestone in a line of research on political disinformation, propaganda, and extremism on OSNs. A total of 40,000 original Tweets (not re-Tweets or Replies) related to the U.S. 2020 presidential election are collected. The intent, focus, and political affiliation of these political Tweets are determined through multiple discussions and revisions. There are three political affiliations: rightist, leftist, and neutral. A total of 171 different classes of intent or focus are defined for Tweets. A total of 25% of Tweets were left out while defining these classes of intent. The purpose is to assure that the defined classes would be able to cover the intent and focus of unseen Tweets (Tweets that were not used to determine and define these classes) and no new classes would be required. This paper provides these classes, their definition and size, and example Tweets from them. If any information is included in a Tweet, its factuality is verified through valid news sources and articles. If any opinion is included in a Tweet, it is determined that whether or not it is extreme, through multiple discussions and revisions. This paper provides analytics with regard to the political affiliation and intent of Tweets. The results show that disinformation and extreme opinions are more common among rightists Tweets than leftist Tweets. Additionally, Coronavirus pandemic is the topic of almost half of the Tweets, where 25.43% of Tweets express their unhappiness with how Republicans have handled this pandemic.

Sign in / Sign up

Export Citation Format

Share Document