多设备环境下从打字模式推断软生物特征的研究
计算机视觉与模式识别
2020-08-11 v1 计算机与社会
人机交互
摘要
在本文中，我们研究了从 117 名个体在多设备环境中收集的打字模式推断性别、专业/非专业（计算机科学、非计算机科学）、打字风格、年龄和身高。前三个标识符的推断被视为分类任务，其余则视为回归任务。对于分类任务，我们对六种经典机器学习（ML）和四种深度学习（DL）分类器的性能进行了基准测试。另一方面，对于回归任务，我们评估了三种 ML 和四种基于 DL 的回归器。整体实验包含两种文本输入（自由与固定）和四种设备（台式机、平板、手机和组合）配置。最佳配置在打字风格、性别和专业/非专业上分别取得了 96.15%、93.02% 和 87.80% 的准确率，在年龄和身高上分别取得了 1.77 年和 2.65 英寸的平均绝对误差。考虑到我们在本工作中列出的多种应用场景，这些结果令人鼓舞。
引用
@article{arxiv.2006.09501,
title = {On the Inference of Soft Biometrics from Typing Patterns Collected in a Multi-device Environment},
author = {Vishaal Udandarao and Mohit Agrawal and Rajesh Kumar and Rajiv Ratn Shah},
journal= {arXiv preprint arXiv:2006.09501},
year = {2020}
}
备注
The first two authors contributed equally. The code is available upon request. Please contact the last author