Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

Location Based Social Networks - Forschungsansätze und Anwendungsbeispiele aus dem Bereich der Geoinformatik

Related Audiobooks

Free with a 30 day trial from Scribd

See all
  • Be the first to comment

Location Based Social Networks - Forschungsansätze und Anwendungsbeispiele aus dem Bereich der Geoinformatik

  1. 1. LOCATION BASED SOCIAL NETWORKSFORSCHUNSANSÄTZE UND ANWENDUNGENAUS DEM BEREICH DER GEOINFORMATIK
  2. 2. ❞[...] emblematic of the new form of cartographythat Google and its digital counterparts represent:Me-Mapping, the placing of the user at the instantcentre of everything. —Simon Garfield Garfield, S. (2012): On the Map: Why the World Looks the Way it Does. Profile Books Ltd.; London. S. 429.
  3. 3. WAS SIND LOCATION BASED SOCIAL NETWORKS?
  4. 4. WAS SIND LOCATION BASED SOCIAL NETWORKS?SOCIAL NETWORK SITES NACH BOYD & ELLISON Messages Sharing Friends
  5. 5. WAS SIND LOCATION BASED SOCIAL NETWORKS?GEOTAGGING
  6. 6. WAS SIND LOCATION BASED SOCIAL NETWORKS?GEO-SOCIAL NETWORKING
  7. 7. WAS SIND LOCATION BASED SOCIAL NETWORKS?LOCATIVE MEDIA VERSUS MEDIATED LOCALITIESLOCATIVE MEDIA MEDIATED LOCALITIES
  8. 8. WAS SIND LOCATION BASED SOCIAL NETWORKS? ACTIVITIES GEOSOCIAL GEOTAGGING NETWORKING MEDIATED LOCALITIES LOCATIVE MEDIA GEOGRAPHIC INFORMATION
  9. 9. WAS SIND LOCATION BASED SOCIAL NETWORKS?POTENTIALE
  10. 10. WAS SIND LOCATION BASED SOCIAL NETWORKS?POTENTIALE
  11. 11. WAS SIND LOCATION BASED SOCIAL NETWORKS?POTENTIALE https://www.facebook.com/notes/facebook-engineering/visualizing-friendships/469716398919
  12. 12. WAS SIND LOCATION BASED SOCIAL NETWORKS?POTENTIALE http://www.flickr.com/photos/walkingsf/4671594023
  13. 13. WAS SIND LOCATION BASED SOCIAL NETWORKS?POTENTIALE http://www.flickr.com/photos/walkingsf/6747484741
  14. 14. AKTUELLE FORSCHUNGSANSÄTZE (UNVOLLSTÄNDIG)
  15. 15. AKTUELLE FORSCHUNGSANSÄTZEVERHALTENSANALYSEN Cheng, Z.; Caverlee, J.; Lee, K. & Sui, D. (2011):Exploring Millions of Footprints in Location Sharing Services. 5th International AAAI Conference on Weblogs and Social Media, Barcelona, Spanien.
  16. 16. AKTUELLE FORSCHUNGSANSÄTZESOZIALE NETZE • AUSPRÄGUNGUNG • GEOGRAPHIE • VORHERSAGE
  17. 17. AKTUELLE FORSCHUNGSANSÄTZENEIGHBORHOOD IDENTIFICATION http://www.livehoods.org
  18. 18. AKTUELLE FORSCHUNGSANSÄTZEVERNACULAR GEOGRAPHIES Hollenstein, L. & Purves, R. (2010): Exploring place through user-generated content: Using Flickr tags to describe city cores. Journal of Spatial Information Science, 1(1) 21-48.
  19. 19. AKTUELLE FORSCHUNGSANSÄTZEEVENT DETECTION Earle, P.; Bowden, D. & Guy, M. (2011): Twitter Earthquake detection: Earthquake Monitoring in a Social World. Annals of Geophysics, 54(6) 708-715.
  20. 20. WAS MACHT GISCIENCE?VERSUCH EINER FORSCHUNGSAGENDA
  21. 21. WAS MACHT GISCIENCE?VERSUCH EINER FORSCHUNSAGENDA1. ANWENDUNGEN & DATEN2. DATENQUALITÄT3. DATENINTEGRATION
  22. 22. WAS MACHT GISCIENCE?VERSUCH EINER FORSCHUNSAGENDA1. ANWENDUNGEN & DATEN2. DATENQUALITÄT3. DATENINTEGRATION
  23. 23. ANWENDUNGEN & DATENANWENDUNGSTYPEN 1%2+3 !"#$%&()*+,%#-") .%,/+-)0 4$,+#*",5 678 Heuser, S. (2011): Geodaten aus sozialen Netzwerken - Überblick und Nutzungpotentiale. B.Sc.-Arbeit, Geographisches Institut, Universität Heidelberg.
  24. 24. ANWENDUNGEN & DATENARTEN VON DATEN points of interesttracks textual information
  25. 25. ANWENDUNGEN & DATENDATENVERFÜGBARKEIT http://www.flickr.com/photos/walkingsf/5912946760/
  26. 26. ANWENDUNGEN & DATENDATENVERFÜGBARKEIT http://www.flickr.com/photos/walkingsf/5912385701/
  27. 27. ANWENDUNGEN & DATENDATENVERFÜGBARKEIT http://www.wired.co.uk/news/archive/2012-03/12/gowalla-closes-down
  28. 28. ANWENDUNGEN & DATENDATENVERFÜGBARKEIT http://www.zdnet.de/88128610/
  29. 29. WO IST GISCIENCE?VERSUCH EINER FORSCHUNSAGENDA1. ANWENDUNGEN & DATEN2. DATENQUALITÄT3. DATENINTEGRATION
  30. 30. DATENQUALITÄTATTRIBUTVOLLSTÄNDIGKEIT FOURSQUARE FACEBOOKSAMPLE 110.619 74.374NAME 110.605 99,99 % 74.374 100,00 %STRASSE 59.559 53,84 % 53.454 71,87 %STADT 71.754 64,87 % 64.414 86,61 %POSTLEITZAHL 41.520 37,53 % 54.545 73,34 %LAND 110.617 100,00 % 63.197 84,97 %KOMPLETTE ADRESSE 40.285 36,42 % 51.694 69,51 %KATEGORIEN 99.217 89,69 % 74.374 100,00 %
  31. 31. DATENQUALITÄTBEST OF - ORTSBEZEICHNUNGEN1. BETT2. MUTTI3. MY GRIB4. BEIM SMIE5. CITY LEIPZIG ;-)6. ZU HAUSE BERLIN
  32. 32. Anzahl Matches 0 200 400 600 800 1000 0-1 0 10 -20 20 -30 30 -40 40 DATENQUALITÄT -50 50 -60 60 -70 70 POSITIONSGENAUIGKEIT -80 80 -90 90 -10 10 0 0-1 11 10 0-1Abstand [m] 12 20 0-1 13 30 0-1 14 40 0-1 15 50 0-1 16 60 0-1 17 70 0-1 18 80 0-1 19 90 0-2 00 >2 00
  33. 33. WO IST GISCIENCE?VERSUCH EINER FORSCHUNSAGENDA1. ANWENDUNGEN & DATEN2. DATENQUALITÄT3. DATENINTEGRATION
  34. 34. DATENINTEGRATION Facebook Foursquare
  35. 35. DATENINTEGRATIONDAS MANDY‘S PROBLEM
  36. 36. DATENINTEGRATIONDAS MANDY‘S PROBLEM Mandys Mandys Railway Diner American Diner Mandys Dinner Mandys Diner Mandys Railway Dinner - Heidelberg
  37. 37. DATENINTEGRATIONMATCHING: ANSATZPUNKTE1. RÄUMLICHE NÄHE2. NAME DES ORTES3. KATEGORIEN/NUTZER-TAGS
  38. 38. DATENINTEGRATIONMATCHING: ANSATZPUNKTE1. RÄUMLICHE NÄHE2. NAME DES ORTES3. KATEGORIEN/NUTZER-TAGS
  39. 39. DATENINTEGRATIONMATCHING: ANSATZPUNKTE1. RÄUMLICHE NÄHE2. NAME DES ORTES3. KATEGORIEN/NUTZER-TAGS
  40. 40. DATENINTEGRATIONSTRING-SIMILARITYDICE-KOEFFIZIENT JARO-WINKLER-METRIK dice(a,b) = 2 |T(a) ⋂ T(b)| |T(a)| + |T(b)| jaro(a,b) = {( 1 3 0; if m = 0 m m m-t + |a| |a| + m )T – nGrams des jeweiligen Terms m – matching characters t – half the number of transpositions
  41. 41. DATENINTEGRATIONSTRING-SIMILARITY: PROBLEME1. ORTSBEZEICHUNGEN IM NAMEN DACHAUER STR. vs DACHAUER STÜBL VWA DORTMUND vs KINO DORTMUND MÜNCHEN vs MÜNCHEN TICKET GMBH
  42. 42. DATENINTEGRATIONSTRING-SIMILARITY: PROBLEME2. AUSSAGEKRAFT DER METRIK FITNESS FIRST WOMEN CLUB vs FITNES FIRST FOR WOMEN JARO-WINKLER: 0.883 THE ONE AND ONLY vs THE WEALTHYMIND JARO-WINKLER: 0.858
  43. 43. DATENINTEGRATIONMATCHING: ANSATZPUNKTE1. RÄUMLICHE NÄHE2. NAME DES ORTES3. KATEGORIEN/NUTZER-TAGS
  44. 44. DATENINTEGRATIONWORDNET entity physical_entity object whole artifact structure location establishment point place_of_business building geographic_point mercantile_establishment restaurant workplace shop bakery café
  45. 45. DATENINTEGRATIONWU-PALMER-METRIK Entity lso(c1,c2) c1 c2 2 depth(lso(c1,c2)) simwp(c1,c2)= len(c1, lso(c1,c2)) + len(c2, lso(c1,c2)) + 2 depth(lso(c1,c2))
  46. 46. DATENINTEGRATIONGEOMETRIE CONFLATIONWIE KÖNNEN DIEGEOMETRIEN GEWICHTETWERDEN? Mandys Railway Diner eigentliche Position Mandys Railway Dinner - Heidelberg
  47. 47. DATENINTEGRATIONATTRIBUTE CONFLATIONWELCHER IST DER„BESTE“ DATENSATZ? Mandys Mandys Railway Diner American Diner Mandys Dinner Mandys Diner Mandys Railway Dinner - Heidelberg
  48. 48. WAS MACHT GISCIENCE?VERSUCH EINER FORSCHUNSAGENDA1. ANWENDUNGEN & DATEN2. DATENQUALITÄT3. DATENINTEGRATION
  49. 49. UND WEITER?
  50. 50. UND WEITER?• PRIVACY• WEM GEHÖREN DIE DATEN?• ETHIK
  51. 51. DANKE. FRAGEN?

    Be the first to comment

    Login to see the comments

  • susheuser

    May. 19, 2013

Views

Total views

700

On Slideshare

0

From embeds

0

Number of embeds

14

Actions

Downloads

8

Shares

0

Comments

0

Likes

1

×