WorkR：面向智能任务辅助的职业推断框架
机器学习
2024-07-29 v1
摘要
职业信息可被数字助手用于提供基于职业的个性化任务支持，包括干扰管理、任务规划和推荐。先前的数字工作场景助手研究需要用户输入其职业信息才能提供有效支持。然而，由于许多个人每天都会在多个职业之间切换，当前解决方案在缺乏持续用户输入的情况下会失效。为此，本研究引入WorkR框架，通过被动感知捕获 various task activities 中的普遍信号，解决三个挑战：缺乏被动感知架构、职业特征的个性化，以及职业变量之间潜在关系的发现。我们认为，来自应用程序使用、运动、社交互动和环境的信号可为用户的职业提供信息。WorkR 使用变分自编码器（VAE）从而为训练推断职业的模型派生潜在特征。我们使用 anonymized、context-rich activity and task log 数据集进行实验，证明我们的模型可在六个 ISO 职业类别中实现超过 91% 的准确率。
引用
@article{arxiv.2407.18518,
title = {WorkR: Occupation Inference for Intelligent Task Assistance},
author = {Yonchanok Khaokaew and Hao Xue and Mohammad Saiedur Rahaman and Flora D. Salim},
journal= {arXiv preprint arXiv:2407.18518},
year = {2024}
}