健康情境感知推荐系统中的内源与外源多模态层
计算机与社会
2018-08-21 v1 多媒体
摘要
人们更关心问题的解决方案而非数据本身。本质上,这意味着利用数据针对给定情境生成推荐列表。多模态可穿戴设备与传感器的快速增长并未在健康领域有效实现这一跨越。现代用户在网络(如娱乐、新闻)与实体(如食品、购物)空间中的内容消费与决策高度依赖定向个性化推荐系统。效用函数是预测特定个体显式偏好的主要排序方法。本文描述了可与传统推荐系统方法耦合的两层独特的用户与情境建模。外源层纳入人体之外的因素(如位置、天气、社交情境),而内源层整合数据以估算用户的生理或内在需求。这通过应用于领域特定效用函数、过滤器与重排序权重的多模态传感器数据融合来实现。我们通过一个聚焦于个性化控钠的营养指导系统展示了该概念,其相较固定推荐有显著改进。
引用
@article{arxiv.1808.06468,
title = {Endogenous and Exogenous Multi-Modal Layers in Context Aware Recommendation Systems for Health},
author = {Nitish Nag and Vaibhav Pandey and Ramesh C. Jain},
journal= {arXiv preprint arXiv:1808.06468},
year = {2018}
}
备注
6 pages