MyDigitalFootprint：面向边缘普适计算应用的广泛上下文数据集
机器学习
2023-06-29 v1 计算机与社会
摘要
联网智能设备的广泛普及促成了互联网在其边缘端的快速扩展与演进。个人移动设备与周围其他智能对象交互，并基于快速变化的用户上下文调整行为。移动设备本地处理此类数据的能力对于快速适应至关重要。这可通过集成到用户应用中的单一处理流程或用于上下文处理的中间件平台实现。然而，缺乏考虑移动环境中用户上下文复杂性的公共数据集阻碍了研究进展。我们提出 MyDigitalFootprint，一个包含智能手机传感器数据、物理邻近信息和在线社交网络交互的大规模数据集。该数据集支持多模态上下文识别与社会关系建模。它涵盖了 31 名志愿用户在自然环境中两个月的测量数据，允许无限制行为。现有公共数据集侧重于特定应用的有限上下文数据，而我们的数据集提供了移动环境中用户上下文的综合信息。为证明数据集的有效性，我们展示了利用多种机器学习任务的三个上下文感知应用：（i）基于物理邻近数据的社交链接预测算法，（ii）使用智能手机嵌入式传感器数据的日常生活活动识别，以及（iii）一个普适上下文感知推荐系统。我们的数据集凭借其信息异质性，可作为验证移动与边缘计算中新兴研究的宝贵资源。
引用
@article{arxiv.2306.15990,
title = {MyDigitalFootprint: an extensive context dataset for pervasive computing applications at the edge},
author = {Mattia Giovanni Campana and Franca Delmastro},
journal= {arXiv preprint arXiv:2306.15990},
year = {2023}
}