通过参考与个人情境统一生成厚数据

智能设备产生海量的大数据，主要以传感器数据的形式存在。虽然这些数据可以预测人类行为的许多方面（例如，身体活动、交通方式），但其主要局限在于不够“厚”，即不携带其生成时所处情境的信息。情境——用户完成了什么、如何完成、为何完成，以及处于何种整体状况——所有这些因素都必须被明确表示，数据才能具有自解释性和意义。在本文中，我们引入厚数据作为高度情境化的数据编码，为每一位用户同时编码其主观的个人世界观和作为参考的全知第三方客观视角。我们通过强调个人情境与参考情境之间的区别来建模厚数据。我们展示了这两种类型的情境可以以多种不同的方式统一，从而允许对用户行为及其周围世界提出不同类型的问题，并且对同一问题也能给出多种不同的答案。我们通过一个案例研究验证了该模型，该研究将 158 名大学生在四周内的个人厚数据与使用 OpenStreetMap 数据构建的参考情境进行了整合。