利用背景知识对移动电话数据记录进行语义增强

每天，蜂窝网络运营商都会产生数十亿个移动网络事件（即 CDR）。这些数据中潜藏着关于人类行为和活动的深刻见解，发现这些见解至关重要，因为情境感知应用和服务是通往以用户为中心的智能服务的关键，这些服务可以改善我们的日常生活，如社会和经济发展、城市规划和健康预防。该领域的主要挑战在于，解释如此庞大的数据流需要通过可用的背景知识深入理解移动网络事件的上下文。本文解决了在移动网络事件数据异构且不确定、缺乏关于该活动上下文的可靠信息的情况下，实现情境感知所面临的问题。本研究的贡献是提出了一种结合逻辑推理和统计推理视角的模型，旨在利用开放地理数据以定性方式推断人类活动，从而提高从 CDR 识别人类行为任务的质量。我们使用开放地理数据 Openstreetmap (OSM) 作为代理，以预测区域内人类活动的内容。在 Trento 进行的用户研究表明，预测的人类活动（顶层）与调查数据的总体准确率约为 93%。在 Barcelona 进行的更具体的人类经济活动类型预测的广泛验证采用了信用卡交易数据。分析表明，适当归一化的兴趣点 (POI) 数据是预测人类经济活动的良好代理，平均准确率为 84%。因此，当可以从缺少上下文信息的移动电话数据记录中有效观察到人类活动的总体水平时，该模型被证明能有效预测人类活动的上下文。