基于深度神经网络图嵌入的生活日志模式分析
社会与信息网络
2019-09-11 v1 机器学习
摘要
最近，随着智能设备的普及，通过传感器收集的数据量不断增加。生活日志是一种从各种智能设备收集、用于分析个人日常生活行为模式的大数据。然而，传感器数据是低级信号，难以让人直接识别情境，且无法清晰表达关系。由于各种传感器记录异构数据，也难以识别日常行为模式。在本文中，我们提出一种方法，以节点和边定义图结构，并从生成的生活日志图中提取日常行为模式。我们使用图卷积方法嵌入生活日志图并将其映射到低维。图卷积层通过将生活日志图植入非欧几里得空间并学习图模式，提升了日常行为模式的表达能力。实验结果表明，所提方法能从 UbiqLog 数据集中自动提取有意义的用户模式。此外，我们通过与现有方法比较以评估性能，确认了其有用性。
引用
@article{arxiv.1909.04252,
title = {Lifelog Patterns Analyzation using Graph Embedding based on Deep Neural Network},
author = {Wonsup Shin and Tae-Young Kim and Sung-Bae Cho},
journal= {arXiv preprint arXiv:1909.04252},
year = {2019}
}
备注
8 pages