論文の概要: Methodology for Mining, Discovering and Analyzing Semantic Human
Mobility Behaviors
- arxiv url: http://arxiv.org/abs/2012.04767v2
- Date: Sun, 20 Dec 2020 17:23:48 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-16 21:03:24.518780
- Title: Methodology for Mining, Discovering and Analyzing Semantic Human
Mobility Behaviors
- Title(参考訳): 意味的人間の移動行動のマイニング・発見・分析手法
- Authors: Clement Moreau and Thomas Devogele and Laurent Etienne and Veronika
Peralta and Cyril de Runz
- Abstract要約: 本研究では,セマンティックモビリティシーケンスのマイニングと解析を行うsimbaという手法を提案する。
セマンティクスシーケンスモビリティ解析とクラスタリング拡張性のためのフレームワークを実装した。
- 参考スコア(独自算出の注目度): 0.3499870393443268
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Various institutes produce large semantic datasets containing information
regarding daily activities and human mobility. The analysis and understanding
of such data are crucial for urban planning, socio-psychology, political
sciences, and epidemiology. However, none of the typical data mining processes
have been customized for the thorough analysis of semantic mobility sequences
to translate data into understandable behaviors. Based on an extended
literature review, we propose a novel methodological pipeline called simba
(Semantic Indicators for Mobility and Behavior Analysis), for mining and
analyzing semantic mobility sequences to identify coherent information and
human behaviors. A framework for semantic sequence mobility analysis and
clustering explicability based on integrating different complementary
statistical indicators and visual tools is implemented. To validate this
methodology, we used a large set of real daily mobility sequences obtained from
a household travel survey. Complementary knowledge is automatically discovered
in the proposed method.
- Abstract(参考訳): 様々な機関が日々の活動や人間の移動に関する情報を含む大規模なセマンティックデータセットを作成している。
このようなデータの分析と理解は、都市計画、社会心理学、政治科学、疫学に不可欠である。
しかし、データマイニングの典型的なプロセスは、セマンティックモビリティシーケンスの徹底的な解析のためにカスタマイズされず、データを理解可能な振る舞いに変換する。
そこで本研究では,情報と行動のコヒーレントを識別するために,意味的モビリティシーケンスをマイニングし分析するための新しい手法であるsimba(semantic indicators for mobility and behavior analysis)を提案する。
相補的な統計指標と視覚ツールを統合したセマンティックシーケンスのモビリティ分析とクラスタリングの可視性を示すフレームワークを実装した。
この手法を検証するために,家庭内旅行調査から得られた実日移動シーケンスを多数使用した。
補足的知識は提案手法で自動的に検出される。
関連論文リスト
- Mobility-LLM: Learning Visiting Intentions and Travel Preferences from Human Mobility Data with Large Language Models [22.680033463634732]
位置情報ベースのサービス(LBS)は、チェックインシーケンスを通じて多様な行動に関する広範な人間の移動データを蓄積している。
しかし、チェックインシーケンスを分析する既存のモデルでは、これらのシーケンスに含まれる意味を考慮できない。
複数のタスクのチェックインシーケンスを解析するために,大規模言語モデルを活用した新しいフレームワークである Mobility-LLM を提案する。
論文 参考訳(メタデータ) (2024-10-29T01:58:06Z) - DISCOVER: A Data-driven Interactive System for Comprehensive Observation, Visualization, and ExploRation of Human Behaviour [6.716560115378451]
我々は,人間行動分析のための計算駆動型データ探索を効率化するために,モジュール型でフレキシブルでユーザフレンドリなソフトウェアフレームワークを導入する。
我々の主な目的は、高度な計算方法論へのアクセスを民主化することであり、これにより研究者は、広範囲の技術的熟練を必要とせずに、詳細な行動分析を行うことができる。
論文 参考訳(メタデータ) (2024-07-18T11:28:52Z) - Ontology Embedding: A Survey of Methods, Applications and Resources [54.3453925775069]
オントロジはドメイン知識とメタデータを表現するために広く使われている。
1つの簡単な解決策は、統計分析と機械学習を統合することである。
埋め込みに関する多くの論文が出版されているが、体系的なレビューの欠如により、研究者はこの分野の包括的な理解を妨げている。
論文 参考訳(メタデータ) (2024-06-16T14:49:19Z) - Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis [53.38518232934096]
マルチタスク学習(MTL)は、タスク間の共有知識を活用し、一般化とパフォーマンスを改善するために設計された強力な機械学習パラダイムである。
本稿では,タスククラスタリングと特徴変換の交点におけるMTL手法を提案する。
両段階において、鍵となる側面は減った目標と特徴の解釈可能性を維持することである。
論文 参考訳(メタデータ) (2024-06-12T08:30:16Z) - Deciphering Human Mobility: Inferring Semantics of Trajectories with Large Language Models [10.841035090991651]
本稿では,ユーザの職業カテゴリー,活動,シーケンス,軌道記述の3つの重要な側面を通じて意味推論を定義する。
本稿では,トラジェクトリデータのセマンティック分析を活用するために,大規模言語モデルを用いたトラジェクトリ意味推論(TSI-LLM)フレームワークを提案する。
論文 参考訳(メタデータ) (2024-05-30T08:55:48Z) - Bias and Fairness in Large Language Models: A Survey [73.87651986156006]
本稿では,大規模言語モデル(LLM)のバイアス評価と緩和手法に関する総合的な調査を行う。
まず、自然言語処理における社会的偏見と公平性の概念を統合し、形式化し、拡張する。
次に,3つの直感的な2つのバイアス評価法と1つの緩和法を提案し,文献を統一する。
論文 参考訳(メタデータ) (2023-09-02T00:32:55Z) - Motion Capture Benchmark of Real Industrial Tasks and Traditional Crafts
for Human Movement Analysis [0.0]
本稿では,慣性に基づくモーションキャプチャを用いて記録した7つのデータセットについて述べる。
データセットには、産業従事者や熟練した職人が現場で行うプロのジェスチャーが含まれている。
論文 参考訳(メタデータ) (2023-04-03T10:29:24Z) - Latent Properties of Lifelong Learning Systems [59.50307752165016]
本稿では,生涯学習アルゴリズムの潜伏特性を推定するために,アルゴリズムに依存しないサロゲート・モデリング手法を提案する。
合成データを用いた実験により,これらの特性を推定するためのアプローチを検証する。
論文 参考訳(メタデータ) (2022-07-28T20:58:13Z) - Summarising and Comparing Agent Dynamics with Contrastive Spatiotemporal
Abstraction [12.858982225307809]
本研究では,データ駆動型モデル非依存手法を導入し,進化する力学系内での高次コントラスト点の人間解釈可能な要約を生成する。
連続状態空間に対して実用的なアルゴリズムを概説し、深層強化学習エージェントの学習履歴を要約するために展開する。
論文 参考訳(メタデータ) (2022-01-17T11:34:59Z) - Learning Neural Causal Models with Active Interventions [83.44636110899742]
本稿では,データ生成プロセスの根底にある因果構造を素早く識別する能動的介入ターゲット機構を提案する。
本手法は,ランダムな介入ターゲティングと比較して,要求される対話回数を大幅に削減する。
シミュレーションデータから実世界のデータまで,複数のベンチマークにおいて優れた性能を示す。
論文 参考訳(メタデータ) (2021-09-06T13:10:37Z) - 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)
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。