十大大数据和社会科学创新

人们将学院视为创新来源,特别是自然和物理科学。生物科学,临床医学,物理和化学的研究人员始终为工业产生了利用的新思想。一般来说,来自社会科学的创新将通过第二项或协作项目被同化进入私营部门,Richard Thaler的行为见解团队作为最好的例子。然而,大数据和计算社会科学的出现产生了许多技术,这些技术要么与社会科学研究人员beplay官网ios一起开发,或者在学术界外部的社会科学普拉西斯中有明确的应用。

我们与部分,一个校企合作的在线配对平台,寻找在大数据和社会科学领域表现最好的创新。IN-PART的Alex和他的同事们根据2017年初以来来自研发专业人士的文章,选出了十大创新。这些创新代表了来自世界各地230多所大学和学术机构的成果,这些大学和学术机构利用该平台与业界建立新的伙伴关系。

in - part于2014年启动,旨在简化学术界和产业界团队之间的最初联系,启动学术研究商业化的对话。这是一个闭环系统,通过这个系统,大学将自己的研究与积极寻求与大学合作的全球公司网络中的研发专业人员进行主动匹配。如果你是一名行业研究人员,或者你的大学订阅了该平台,你可以建立一个免费的账号:in-part.com/register。


AI-powered预测分析

滑铁卢大学(University of Waterloo)的研究人员已经将预测分析提升到了一个新的水平,他们使用了一种新型软件,通过分析大量离散数据来预测外界因素的反应,从而提高预测的准确性。这种技术改进了现有的工具,这些工具经常过度简化问题或不一致地随时间发展。该软件已在水需求预测方面得到验证,但具有在研究、金融科技、保险、欺诈和电子商务等多个领域应用的潜力。


阅读IN-PART的完整文章:https://app.in-part.com/articles/r8agoz1en9l.

一种可穿戴传感器,用于监测社交活动对健康的影响

社会互动对健康的影响目前通过自我报告或观察练习来追踪。为了进行更全面的评估,凯斯西储大学的研究人员发明了一种多变量可穿戴社会生物传感器。传感器不仅可以监控物理数据,如温度、呼吸速率、脉冲,而且收集社会数据,如音调和音量的声音信号和社会互动的频率和持续时间,提供更准确的监测和评估,尤其是对弱势群体,如退伍军人的孩子,和老人。

阅读IN-PART的完整文章:https://app.in-part.com/articles/xkEY0XeV7bqL

在反馈中寻找意义

随着应用程序、网站和实体亭在公共空间随处可见,我们生活在一个不断反馈的循环中,消费者比以往任何时候都更容易告诉公司和其他服务提供商我们对他们的输出的看法。但是,从反馈中收集有意义的信息是另一项任务,滑铁卢大学模式分析和机器智能(PAMI)实验室的研究人员正试图通过一种新的文本分析引擎来解决这个问题。这个新工具可以从反馈中识别出文本中的重要短语,从而获得意义,可以应用于情感分析和企业内容。

阅读IN-PART的完整文章:https://app.in-part.com/articles/eYdN1reGgzBG

大规模的情绪分析

4 - Source - Siobhán Grayson, Wikimedia Commons, CC BY-SA 4.0.jpg

尽管存在一些自然语言情绪分析方法,但对于客观数据收集和分析,它们不足以依赖于足够准确的。为了提供全面的解决方案,Stony Brook大学的研究人员通过文本流的统计分析,开发了一种审查情绪词典的新方法。通过准确分析人员,产品,公司和更多的声誉,该技术设定了在市场研究,财务分析和互联网搜索引擎中进行广泛的调查和民意调查。

阅读IN-PART的完整文章:https://app.in-part.com/articles/AqPNZoYqgmW


通过读者的目光来预测母语

跨语言影响的研究传统上考察多语言个体的写作,试图确定对语言习得和使用过程的洞察力。为了推进语言分析领域,麻省理工学院大脑和认知科学系计算心理语言学小组的研究人员开发了一个系统,可以在阅读自由形式的英语时,从读者的目光预测母语。该技术通过机器学习算法分析眼动模式,得出语言动机特征,预测读者的母语。这项工作为语言研究提供了一个新的框架,在司法、广告和教育方面有潜在的应用。


阅读IN-PART的完整文章:https://app.in-part.com/articles/xjE7rkyqN3Ry


过滤社交媒体上的噪音

6  - 源 -  Steven Kay,Flickr,CC By-SA 2.0.jpg

社交媒体现在是正在进行的,积极的情况的实时信息的最大来源。尽管了解这一潜力,但目前的控制室技术尚未有效地采用社交媒体监测。三位一体学院计算机科学与统计学院的研究人员开发的新系统使用机器学习和自然语言处理,将噪声和冷凝社交媒体数据过滤到有关开发情况的相关信息,从自然灾害到计划的主要事件。该技术可用于监控任何地理区域并协助重要的实时决策。


阅读IN-PART的完整文章:https://app.in-part.com/articles/9y5gxxz8gBLK

在复杂网络中寻找因果关系

在研究和商业环境中不断产生大量的数据。随着数据生产规模的增长,分析数据并洞察因果关系所需的工具必须适应并发展以便跟上。为此,西奈山卫生系统研究人员开发的一项新技术利用一种独特的算法方法来告知用户多元数据集的因果关系,该方法已被用于识别生物学研究和金融环境中的关键关系,突出其在大数据中分析因果关系的广泛工业适用性。

阅读IN-PART的完整文章:https://app.in-part.com/articles/xjE7rkejN3Ry

弥合语义差距以查看视觉搜索

视觉内容的搜索目前严重依赖于文本搜索和带注释的元数据。然而,由于图像中实际包含的内容和描述符之间存在“语义差距”,结果并不总是准确地与用户的搜索意图相关联。现在,堪萨斯大学(University of Kansas)的研究人员开发了一种改进的搜索方法,通过分析基于文本和内容的图像特征,提供更准确、更符合用户感知的查询结果。

阅读IN-PART的完整文章:https://app.in-part.com/articles/rOzNY55wNMBQ

来自社交媒体的互动视觉洞察力

在Twitter上,超过6,000名推文发布每一秒。北卡罗来纳大学夏洛特分校(University of North Carolina at Charlotte)计算与信息学学院(College of Computing and Informatics)的研究人员创造了一种近实时、可视化、交互式工具,用于监测和响应热门趋势和模式,而这些趋势和模式可能隐藏在社交媒体平台生成的大量数据中。这一工具的应用范围很广,从在疾病爆发期间协助公共卫生官员,到评估广告商的营销努力。

阅读IN-PART的完整文章:https://app.in-part.com/articles/x83gvlmx7X2y

自学机学习

为了有效地利用这种方法,机器学习和数据挖掘系统需要能够分析、建议和预测新的和改进的算法,这些算法都是基于以前的隐含方法。Delphi是由麻省理工学院计算机科学和人工智能实验室的研究人员开发的一个分布式、多模型、自学习的机器学习平台,旨在解决这一问题。该系统允许旧的分析方法在更短的时间内得到优化,而人力团队将大数据集分解成更小的块,从而创建一个改进的、最高效的元模型。该技术可以在任何使用预测分析和机器学习的环境中实现。

阅读IN-PART的完整文章:https://app.in-part.com/articles/yzam7vrw7n3b.



技术总结由Emma Brown (1,2,3 & 9), Eve Satkevic(4,8,10)和Joe Ferner(5,6,7)撰写。Alex Stockham介绍和编辑。


关于部分:

我们于2014年启动,目前与全球230多所大学和研究机构合作,将有前途的学术研究与来自5500多家创新驱动企业的相关研发人员进行战略对接。

通过该平台,已经有超过6000次新的对话,其中75%是国际合作伙伴之间的对话为合作研究提供资助,联合开发项目、测试新材料专有化合物, 至产品开发,许可交易,长期战略合作伙伴关系