今天小编为大家带来的是曹楠老师“Interactive Visual Anomaly Detection and its Applications”演讲PPT分享。

“交互式视觉异常检测及其应用”

同济大学智能大数据可视化实验室（智能大数据可视化实验室，即iDV ^x实验室）

曹楠老师演讲关键词之一：ANOMALY DETECTION（异常检测），异常检测是对不符合数据集中的预期模式或其他项目的项目，事件或观察的识别。

面临的挑战

接下来是对社交媒体（以推特为例）的发展趋势以及社交媒体用户画像的分析，引出“anonymous users are potential threats to the society ”，然后提出异常检测的最终目标：捕捉到存在异常行为的用户。

微言

用户行为主要有两种，一是发布，即创建消息并发布给其他人；二是回复和转发，即转播他人发布的信息。

通过功能捕获用户行为

时间局部异常因子，TLOF通过识别与测试数据中的其他用户明显不同的特征以及他自己的过去历史，为每个用户提供异常测量。

用户行为分析，创建消息和转发回复的传播趋势

用户可视化为由其重要性决定的圆圈，并按其异常分数着色

当用户发布或转发推文时，我们在活动发生时绘制垂直于时间弧的相应活动线程

以下三个圆状物，哪个才是表示较为正常的用户行为呢？答案是第一个。第二个圆状物黄色几乎覆盖了整个圆形，说明发文时间和发文频率过于密集，不符合正常人类使用社交媒体的行为习惯，疑似bot；第三个同理。

[关于转载]：本文为“学术头条”原创文章。转载仅限全文转载并保留文章标题及内容，不得删改、添加内容绕开原创保护，且文章开头必须注明：转自SciTouTiao微信公众号。谢谢您的合作。