Advertisement

FourSquare NYC数据集

  •  5星
  •     浏览量: 0
  •     大小:None
  •      文件类型:None


简介:
FourSquare NYC数据集收录了纽约市用户签到信息,包含地点类别、经纬度等详情,是研究城市居民活动模式与偏好的重要资源。 FourSquare NYC 数据集包含了纽约市的用户签到数据和其他相关信息。

全部评论 (0)

还没有任何评论哟~
客服
客服
  • FourSquare NYC
    优质
    FourSquare NYC数据集收录了纽约市用户签到信息,包含地点类别、经纬度等详情,是研究城市居民活动模式与偏好的重要资源。 FourSquare NYC 数据集包含了纽约市的用户签到数据和其他相关信息。
  • Foursquare(1-4)
    优质
    Foursquare数据集(1-4)包含了从用户签到行为中收集的大量地理与社交信息,为研究城市活动模式、地点推荐算法及社交网络分析提供了宝贵资源。 foursquare数据集1-4包含了丰富的用户签到记录和其他相关信息。这些数据为研究者提供了分析用户行为、兴趣以及城市热点区域的宝贵资源。通过这些数据集的研究,可以深入了解不同地区人们的活动模式,并在此基础上开发出更贴近用户需求的应用和服务。
  • Foursquare分析
    优质
    本项目聚焦于利用Python等工具深入探究和可视化Foursquare平台上的用户签到行为及地点类别分布,揭示地域活动模式。 经过预处理后,该数据集包含25,379名用户、32,623个兴趣点(POIs)、1,395,856次签到记录以及118,717条社交关系。
  • Foursquare文件.txt
    优质
    Foursquare数据文件包含用户在Foursquare平台上签到的地点、时间及相关信息,可用于分析城市热点区域、用户行为模式等研究。 我们提供百度云下载链接,其中包含一个数据集。该数据集包括从Foursquare收集的全球范围内长达22个月(即从2012年4月到2014年1月)的签入记录及在这一期间前后采集的两次用户社交网络快照。 具体而言,签到数据集中包含3,820,891个场所的信息和来自114,324位用户的总计22,809,624次签到。此外,在社交网络数据中记录了两个时间点的友谊关系:第一阶段有363,704条,第二阶段则增长至607,333条。 鉴于对原始数据集的需求较高,我们还提供了包含11,180,160个场所信息和来自2,733,324用户的90,048,627次签到的原始签入记录。
  • 包含foursquare和gowalla的poidata.zip文件
    优质
    Poidata.zip包含了Foursquare和 Gowalla两个平台的数据集合,内含用户签到信息,是研究位置推荐系统、社交网络分析的重要资源。 有foursquare和gowalla两个数据集poidata.zip。
  • 2011-2013年Foursquare——美国各大城市
    优质
    该数据集包含2011年至2013年间Foursquare在美国主要城市的用户签到记录,涵盖餐饮、娱乐等场所信息。 数据集包含168个美国城市的Foursquare签到数据,适合用于基于地理位置的社交网络研究。
  • nyc-taxi-data-insights:解析200GB纽约市出租车
    优质
    nyc-taxi-data-insights项目专注于深入分析200GB规模的纽约市出租车出行大数据集,揭示城市交通模式和趋势。 如何使用AWS EC2 Hadoop集群处理200GB数据 存储200 GB的NYC出租车数据集,并部署Cloudera Hadoop集群以对其进行可视化。 利用Python中的Datashader绘制并可视化Hadoop大型数据集,同时展示没有使用Datashader进行可视化的效果对比。 工作流程概述: 1. 首先在AWS EC2上建立一个Hadoop集群。 2. 将NYC出租车的大量数据上传至该集群,并存储于分布式文件系统中(如HDFS)。 3. 使用Cloudera提供的工具和服务来管理Hadoop生态系统,包括但不限于YARN和Spark等组件。 使用数据着色器: 1. 安装Python库Datashader,它能够处理大规模的数据集并生成图像表示。 2. 编写脚本从存储在HDFS上的出租车数据集中提取所需信息,并利用这些信息通过Datasheder进行可视化操作。 3. 调整参数和配置选项以优化最终的视觉效果。 最终可视化: 展示使用了Datashader技术处理后的NYC出租车数据库,这将能够更高效地揭示隐藏于庞大数量级下的模式与趋势。
  • 关于RankGeoFM方法在FourSquare和Gowalla上的应用处理
    优质
    本研究介绍了一种名为RankGeoFM的方法,并探讨了其在分析和处理来自FourSquare和Gowalla平台的数据时的应用效果。通过实证分析,展示了该模型在地理位置推荐系统中的优越性能与实用性。 该资源为研究推荐系统的人提供了经过处理的FourSquare和Gowalla两个数据集,用于RankGeoFM方法的试验对比。有需要的话可以下载。
  • Foursquare 源插件 Cloudera Manager v0.9.2-0-g9ac3d25 等
    优质
    这是一款由Cloudera开发的数据源插件Foursquare版本为v0.9.2-0-g9ac3d25,主要用于简化与Foursquare平台数据集成的流程。 Grafana的CM插件能够方便地监控CDH集群的资源使用情况及组件健康状态,支持Grafana 3及以上版本。关于如何为Grafana安装此插件的信息,请参阅相关文档或博客文章。谢谢。
  • 关于Foursquare的位置-based社交网络分析
    优质
    本研究聚焦于分析Foursquare这一位置基于的社交平台上的用户数据,旨在探索和理解其独特的社交互动模式与行为趋势。通过深入挖掘这些信息,我们希望能够为社交媒体及位置服务领域的未来发展提供有价值的见解。 用于位置预测和推荐的数据表明,在不同地区用户存在不同的签到时间偏好。由于美国某些地区的Foursquare用户较少,本段落选择了家在纽约的用户进行签到行为研究。Foursquare签到数据集中包含用户的“homecity”属性,表示用户的居住地信息。