基于 ChatGPT 两阶段提示的无监督人类活动识别
人机交互
2023-06-12 v1 计算与语言
摘要
可穿戴传感器设备能够记录人在进行活动时使用的日常物品，从而实现了无监督人类活动识别（HAR）的可行性。遗憾的是，以往利用物品使用序列的无监督方法通常需要人工妥善准备活动描述。相反，我们借助 ChatGPT 这一大语言模型（LLM）中嵌入的知识。由于物品序列稳健地刻画了活动身份，ChatGPT 可能已从已有语境中学习到活动与物品间的关联。然而，既往针对 ChatGPT 的提示工程在处理词列表（即物品序列）时，因列表中各词权重相近而泛化能力有限。本研究中，我们提出一种两阶段提示工程：首先引导 ChatGPT 生成与物品相关的活动描述，同时强调用于区分相似活动的重要物品；随后输出活动类别与解释以增进有助于 HAR 的语境。据我们所知，这是首项以无监督方式利用 ChatGPT 通过物品识别活动的研究。我们在三个数据集上实施该方法并展示了最先进的性能。
引用
@article{arxiv.2306.02140,
title = {Unsupervised Human Activity Recognition through Two-stage Prompting with ChatGPT},
author = {Qingxin Xia and Takuya Maekawa and Takahiro Hara},
journal= {arXiv preprint arXiv:2306.02140},
year = {2023}
}
备注
4 pages