論文の概要: Understanding individual behaviour: from virtual to physical patterns

• arxiv url: http://arxiv.org/abs/2002.05500v1
• Date: Thu, 13 Feb 2020 14:04:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-03 19:21:31.164074
• Title: Understanding individual behaviour: from virtual to physical patterns
• Title（参考訳）: 個人の行動を理解する:仮想パターンから物理パターンへ
• Authors: Marco De Nadai, Bruno Lepri and Nuria Oliver
• Abstract要約: 8ヶ月にわたる40,000人のモビリティとアプリケーション利用状況を分析し,議論する。 物理的な空間における人々のモビリティと、スマートフォンにおけるアプリからアプリへの移動方法との間には、驚くべき類似点があります。 これらの発見は、人間中心のAIシステムを構築する可能性と課題について、議論を深める上で不可欠であると考えています。
• 参考スコア（独自算出の注目度）: 5.991701520084448
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: As "Big Data" has become pervasive, an increasing amount of research has connected the dots between human behaviour in the offline and online worlds. Consequently, researchers have exploited these new findings to create models that better predict different aspects of human life and recommend future behaviour. To date, however, we do not yet fully understand the similarities and differences of human behaviour in these virtual and physical worlds. Here, we analyse and discuss the mobility and application usage of 400,000 individuals over eight months. We find an astonishing similarity between people's mobility in the physical space and how they move from app to app in smartphones. Our data shows that individuals use and visit a finite number of apps and places, but they keep exploring over time. In particular, two distinct profiles of individuals emerge: those that keep changing places and services, and those that are stable over time, named as "explorers" and "keepers". We see these findings as crucial to enrich a discussion for the potentials and the challenges of building human-centric AI systems, which might leverage recent results in Computational Social Science.
• Abstract（参考訳）: ビッグデータ」が普及するにつれて、オフラインとオンラインの世界における人間の行動と点を結びつける研究が増えている。 その結果、研究者たちはこれらの発見を利用して、人間の生活のさまざまな側面を予測し、将来の行動を推奨するモデルを作った。 しかし、今のところ、これらの仮想世界と物理的世界における人間の行動の類似点と相違点を十分に理解していない。 ここでは8ヶ月にわたる40,000人のモビリティとアプリケーション利用状況を分析し,議論する。 物理的な空間における人々のモビリティと、スマートフォンにおけるアプリからアプリへの移動方法との間には、驚くべき類似点があります。 われわれのデータは、個人が限られた数のアプリや場所を利用、訪問していることを示している。 特に、個人の2つの異なるプロファイルが現れる:場所やサービスを変え続けるもの、時間とともに安定したもの、すなわち「探索者」と「管理者」と呼ばれるもの。 これらの発見は、コンピュータ社会科学の最近の成果を活用した人間中心のAIシステム構築の可能性と課題について、議論を深める上で不可欠であると考えています。

関連論文リスト

• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Learn to Predict How Humans Manipulate Large-sized Objects from Interactive Motions [82.90906153293585]
  本稿では,動きデータと動的記述子を融合させるグラフニューラルネットワークHO-GCNを提案する。 動的記述子を消費するネットワークは、最先端の予測結果が得られ、未確認オブジェクトへのネットワークの一般化に役立つことを示す。
  論文  参考訳（メタデータ） (2022-06-25T09:55:39Z)
• Human's Role in-the-Loop [15.759742984491412]
  このブログは、マッチングにおける認知タスクの達成における人間と機械の役割について論じている。 人間と機械の伝統的な役割が変化しているかどうかを判断することを目的としている。 変化の可能な2つのモード、すなわち人間と人間の出入りについて論じる。
  論文  参考訳（メタデータ） (2022-04-27T13:11:54Z)
• Adversarial Attention for Human Motion Synthesis [3.9378507882929563]
  本稿では,エンド・ツー・エンドトレーニングを用いた注意型確率的深層対角モデルの適用により,人間の動作合成を制御可能な新しい手法を提案する。 我々は, 対角的注意力を用いて, 短距離地平線と短距離地平線の両面に人工的な人間の動きを生成できることを実証した。
  論文  参考訳（メタデータ） (2022-04-25T16:12:42Z)
• Comparison of Spatio-Temporal Models for Human Motion and Pose Forecasting in Face-to-Face Interaction Scenarios [47.99589136455976]
  本稿では,行動予測のための最新手法の体系的比較を行った。 UDIVA v0.5の最先端性能を実現するのに最も注意を払っているアプローチである。 短期的に訓練された手法で未来を自動回帰予測することで、かなり長期にわたってベースラインを上回ります。
  論文  参考訳（メタデータ） (2022-03-07T09:59:30Z)
• The world seems different in a social context: a neural network analysis of human experimental data [57.729312306803955]
  本研究では,先行・知覚的信号の精度を変化させることで,個人・社会的タスク設定の両方で人間の行動データを再現可能であることを示す。 トレーニングされたネットワークの神経活性化トレースの分析は、情報が個人や社会的条件のネットワークにおいて、根本的に異なる方法でコード化されていることを示す。
  論文  参考訳（メタデータ） (2022-03-03T17:19:12Z)
• HSPACE: Synthetic Parametric Humans Animated in Complex Environments [67.8628917474705]
  我々は、複雑な屋内および屋外環境に置かれたアニメーション人間による大規模な写真リアルデータセット、Human-SPACEを構築した。 年齢、性別、比率、民族性の異なる数百の個人と数百の動きとシーンを組み合わせて、100万フレームを超える最初のデータセットを生成します。 アセットは大規模に自動生成され、既存のリアルタイムレンダリングやゲームエンジンと互換性がある。
  論文  参考訳（メタデータ） (2021-12-23T22:27:55Z)
• Human Trajectory Forecasting in Crowds: A Deep Learning Perspective [89.4600982169]
  本稿では,既存の深層学習に基づくソーシャルインタラクションのモデル化手法について詳細に分析する。 本稿では、これらの社会的相互作用を効果的に捉えるための知識に基づく2つのデータ駆動手法を提案する。 我々は,人間の軌道予測分野において,重要かつ欠落したコンポーネントであるTrajNet++を大規模に開発する。
  論文  参考訳（メタデータ） (2020-07-07T17:19:56Z)
• Inferring Nighttime Satellite Imagery from Human Mobility [3.206489953505937]
  夜間の衛星画像は、幅広い社会経済的要因を研究するための一様でグローバルなデータ源として、何十年も使われてきた。 最近、地球上の別の情報源が、同様のグローバルなカバレッジを持つデータ、匿名および集約されたスマートフォンの位置を生成している。 このデータは、生産する光ではなく、人や人口の移動パターンを計測するものです。
  論文  参考訳（メタデータ） (2020-02-28T14:25:11Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。