Social Sensing: Building Reliable Systems on Unreliable Data

انسان‌ها به طور فزاینده‌ای حسگرهایی هستند که مستقیماً با اینترنت تلفن همراه درگیر می‌شوند. اکنون افراد می توانند تجربیات خود را در مقیاسی بی سابقه به اشتراک بگذارند. Social Sensing: Building Reliable Systems on Reliable Dataبه پیشرفت های اخیر در زمینه نوظهور حس اجتماعی نگاه می کند و بر مشکل کلیدی که طراحان برنامه با آن مواجه هستند تاکید می کند: چگونگی استخراج اطلاعات قابل اعتماد از داده های جمع آوری شده از اطلاعات تا حد زیادی ناشناخته و احتمالاً منابع غیر معتبر این کتاب توضیح می‌دهد که چگونه تعداد بی‌شماری از برنامه‌های کاربردی اجتماعی را می‌توان از این حجم عظیم از داده‌های جمع‌آوری‌شده و به اشتراک گذاشته شده توسط افراد عادی به دست آورد. این عنوان مبانی نظری را برای پشتیبانی از برنامه‌های کاربردی سایبری مبتنی بر داده‌های نوظهور و موضوعات کلیدی مانند حریم خصوصی ارائه می‌کند. نویسندگان راه‌حل‌هایی را بر اساس تحقیقات اخیر و ایده‌های جدید ارائه می‌کنند که از تکنیک‌های سیستم‌های فیزیکی سایبری، شبکه‌های حسگر، یادگیری ماشینی، داده‌کاوی، و آمیختگی اطلاعات استفاده می‌کنند.

• چشم‌انداز بین‌رشته‌ای منحصربه‌فردی را ارائه می‌دهد که پل‌های اجتماعی را ایجاد می‌کند. شبکه‌ها، کلان داده‌ها، سیستم‌های فیزیکی-سایبری و قابلیت اطمینان
• مبانی نظری جدیدی را برای حس اجتماعی مطمئن و مدل‌سازی انسان‌ها به‌عنوان حسگر ارائه می‌کند
• شامل مطالعات موردی و مثال‌های کاربردی بر اساس مجموعه‌های داده واقعی
• مواد تکمیلی شامل مجموعه داده های نمونه و نرم افزار حقیقت یاب است که الگوریتم های اصلی شرح داده شده در کتاب را پیاده سازی می کند

Increasingly, human beings are sensors engaging directly with the mobile Internet. Individuals can now share real-time experiences at an unprecedented scale. Social Sensing: Building Reliable Systems on Unreliable Data looks at recent advances in the emerging field of social sensing, emphasizing the key problem faced by application designers: how to extract reliable information from data collected from largely unknown and possibly unreliable sources. The book explains how a myriad of societal applications can be derived from this massive amount of data collected and shared by average individuals. The title offers theoretical foundations to support emerging data-driven cyber-physical applications and touches on key issues such as privacy. The authors present solutions based on recent research and novel ideas that leverage techniques from cyber-physical systems, sensor networks, machine learning, data mining, and information fusion.

• Offers a unique interdisciplinary perspective bridging social networks, big data, cyber-physical systems, and reliability
• Presents novel theoretical foundations for assured social sensing and modeling humans as sensors
• Includes case studies and application examples based on real data sets
• Supplemental material includes sample datasets and fact-finding software that implements the main algorithms described in the book