基于智能手机嵌入式传感器数据的用户社交上下文与常去地点设备端建模
机器学习
2023-07-19 v3 社会与信息网络
摘要
上下文建模与识别是使移动与普适计算应用适应用户情境的复杂任务。当前方案主要聚焦于在集中式架构上处理的有限上下文信息,可能使用户个人数据面临隐私泄露风险,且缺乏个性化特性。出于这些原因,设备端上下文建模与识别成为该领域当前的研究趋势。在移动环境中表征用户上下文的各类信息中,社交互动与到访地点对日常场景的刻画贡献显著。本文提出一种新颖的、无监督且轻量的方法,基于自我网络直接在用户移动设备上对其社交上下文与地点进行建模。依托该模型,系统能够从智能手机嵌入式传感器数据中提取高层且语义丰富的上下文特征。具体而言,对于社交上下文,其利用与用户及其设备之间物理与网络社交互动相关的数据。就位置上下文而言,我们认为对用户上下文建模时,特定地点对于用户的熟悉度比原始位置数据(包括GPS坐标与邻近设备)更具相关性。通过使用5个真实世界数据集,我们评估了社交与位置自我网络的结构,对所提模型进行了语义评估,并从移动计算性能角度给出了复杂度评估。最后,我们通过展示3种机器学习算法识别日常情境的性能,证明了所提取特征的相关性:相较于仅使用物理上下文相关特征,AUROC提升3%、精确率提升9%、召回率提升5%。
引用
@article{arxiv.2205.08790,
title = {On-device modeling of user's social context and familiar places from smartphone-embedded sensor data},
author = {Mattia Giovanni Campana and Franca Delmastro},
journal= {arXiv preprint arXiv:2205.08790},
year = {2023}
}
备注
I request the withdrawal of the paper because it has been already submitted (and published) on arXiv with identifier 2306.15437