预测上下文树：预测上下文与交互
人工智能
2016-10-06 v1
摘要
随着大量人群携带具有位置感知功能的智能手机，我们拥有了一个前所未有的平台来理解个体并预测其未来行为。本工作建立在上下文树数据结构之上，该结构从增强的地理空间轨迹中总结个体的历史上下文，并为其可能的未来上下文构建预测模型。预测上下文树（PCT）被构建为一个层次分类器，能够预测用户将访问的未来位置以及用户将沉浸其中的上下文。PCT 在真实世界的地理空间轨迹上进行了评估，并与现有的位置提取和预测技术以及一种提出的混合方法进行了比较，该混合方法利用识别的土地利用元素并结合机器学习来预测未来的交互。我们的结果表明，使用这种混合方法比传统提取的位置数据集能获得更高的预测精度，而 PCT 本身在预测未来交互方面与混合方法的性能相当，同时增加了上下文预测的实用性。这样的预测系统不仅能理解用户将去哪里，还能理解他们的上下文，即他们可能正在做什么。
引用
@article{arxiv.1610.01381,
title = {The Predictive Context Tree: Predicting Contexts and Interactions},
author = {Alasdair Thomason and Nathan Griffiths and Victor Sanchez},
journal= {arXiv preprint arXiv:1610.01381},
year = {2016}
}