MIMiS：智能手机用户行为的最小侵入式挖掘
社会与信息网络
2018-05-16 v1
摘要
一个挽救生命的用户监测应用究竟需要多大的侵入性？虽然以往大多数研究集中于从社交媒体和智能手机分析用户的心理状态，但在这些分析中保护用户隐私的努力很少。分析用户行为的一个挑战在于，数据不仅是多维的并包含大量用户活动，而且这些活动以不同的时间速率发生。我们工作的核心问题是：给定一组敏感用户特征，对具有相似行为的用户进行分组所需的最小信息量是多少？此外，这种用户行为是否与他们的心理状态相关？为回答这些问题，我们的贡献有两点：我们引入了隐私表面的概念，其在不同侵入性层级上组合敏感用户数据。作为我们的第二个贡献，我们引入了 MIMiS，一种无监督的隐私感知框架，该框架在给定的隐私表面配置下将用户按其时间特征聚类为同质组。此外，我们探讨了侵入性与预测精度之间的权衡。MIMiS 采用多集分解以应对用户活动中不兼容的时间粒度。我们在真实数据上对 MIMiS 进行了广泛评估。在各种隐私表面下，MIMiS 识别出的组在自我报告心理健康评分方面具有高度同质性。最后，我们对发现的聚类进行了深入探索，识别出行为符合学术截止日期的组。
引用
@article{arxiv.1805.05476,
title = {MIMiS: Minimally Intrusive Mining of Smartphone User Behaviors},
author = {Pravallika Devineni and Evangelos E. Papalexakis and Kalina Michalska and Michalis Faloutsos},
journal= {arXiv preprint arXiv:1805.05476},
year = {2018}
}
备注
8 pages, IEEE conference format