基于智能手机数据的行为挖掘：文献综述
机器学习
2021-10-27 v2 机器学习
摘要
为研究用户的出行行为以及起讫点之间的出行时间，研究者采用出行调查。尽管该领域对智能手机出行调查的潜力已有共识，但经过十余年的研究与实地试验，其仍未能大规模推广。在此，计算机智能算法扮演了传统出行调查中由操作员承担的角色；由于我们在数据上训练每种算法，性能取决于数据质量，进而取决于真值。不准确的验证会对以下方面产生负面影响：标签、算法训练、出行日志精度，以及由此形成的关键循环中的数据验证。有趣的是，即便对机器学习方法而言，突破这些边界也被证明十分困难。为支持从业者的优化投资决策，我们揭示了他们在评估所需与所得时应考虑的驱动因素。本文强调并审视了底层研究的关键方面，并给出若干建议：（i）从设备视角，关于主要物理限制；（ii）从应用视角，用于自动生成出行日志的方法论框架；（iii）从真值视角，用户交互、方法与数据之间的关系。
引用
@article{arxiv.1912.11259,
title = {Mining User Behaviour from Smartphone data: a literature review},
author = {Valentino Servizi and Francisco C. Pereira and Marie K. Anderson and Otto A. Nielsen},
journal= {arXiv preprint arXiv:1912.11259},
year = {2021}
}