論文の概要: Context-Aware Target Apps Selection and Recommendation for Enhancing Personal Mobile Assistants

• arxiv url: http://arxiv.org/abs/2101.03394v1
• Date: Sat, 9 Jan 2021 17:07:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-09 07:21:50.030134
• Title: Context-Aware Target Apps Selection and Recommendation for Enhancing Personal Mobile Assistants
• Title（参考訳）: パーソナルモバイルアシスタントを支援するためのコンテキスト認識型アプリ選択と推奨
• Authors: Mohammad Aliannejadi and Hamed Zamani and Fabio Crestani and W. Bruce Croft
• Abstract要約: 本論文では,効果的なパーソナルモバイルアシスタントの開発に不可欠な2つの研究課題について述べる。 ここでは,モバイルデバイスで利用可能なリッチなコンテキスト情報を活用するために,コンテキスト認識モデルに注目する。 本稿では,ユーザの逐次的,時間的,個人的行動を考慮した文脈認識型ニューラルモデル群を提案する。
• 参考スコア（独自算出の注目度）: 42.25496752260081
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Users install many apps on their smartphones, raising issues related to information overload for users and resource management for devices. Moreover, the recent increase in the use of personal assistants has made mobile devices even more pervasive in users' lives. This paper addresses two research problems that are vital for developing effective personal mobile assistants: target apps selection and recommendation. The former is the key component of a unified mobile search system: a system that addresses the users' information needs for all the apps installed on their devices with a unified mode of access. The latter, instead, predicts the next apps that the users would want to launch. Here we focus on context-aware models to leverage the rich contextual information available to mobile devices. We design an in situ study to collect thousands of mobile queries enriched with mobile sensor data (now publicly available for research purposes). With the aid of this dataset, we study the user behavior in the context of these tasks and propose a family of context-aware neural models that take into account the sequential, temporal, and personal behavior of users. We study several state-of-the-art models and show that the proposed models significantly outperform the baselines.
• Abstract（参考訳）: ユーザーは多くのアプリをスマートフォンにインストールし、ユーザーの情報過負荷やデバイスのリソース管理に関する問題を提起する。 さらに、最近のパーソナルアシスタントの利用の増加により、モバイルデバイスはユーザーの生活にさらに浸透している。 本稿では,アプリ選択とレコメンデーションという,効果的なパーソナル・モバイル・アシスタントの開発に不可欠な2つの研究課題に対処する。 前者は統合されたモバイル検索システムの主要なコンポーネントであり、統一されたアクセスモードでデバイスにインストールされたすべてのアプリに必要なユーザー情報を扱うシステムである。 後者は、ユーザーが起動したいであろう次のアプリを予測する。 ここでは,モバイルデバイスで利用可能なリッチなコンテキスト情報を活用するために,コンテキスト認識モデルに注目する。 我々は、モバイルセンサーデータ(現在研究目的で公開されている)に富んだ何千ものモバイルクエリを収集するために、in situ研究を設計する。 このデータセットを用いて,これらのタスクのコンテキストにおけるユーザの行動を調査し,ユーザの逐次的,時間的,個人的行動を考慮したコンテキスト認識型ニューラルモデル群を提案する。 最先端モデルをいくつか検討し,提案モデルがベースラインを大きく上回ることを示した。

関連論文リスト

• Foundations and Recent Trends in Multimodal Mobile Agents: A Survey [57.677161006710065]
  モバイルエージェントは、複雑で動的なモバイル環境におけるタスクの自動化に不可欠である。 近年の進歩により、リアルタイム適応性とマルチモーダルインタラクションが向上している。 これらの進歩は、プロンプトベースの方法とトレーニングベースの方法の2つの主要なアプローチに分類する。
  論文  参考訳（メタデータ） (2024-11-04T11:50:58Z)
• Mobile-Agent: Autonomous Multi-Modal Mobile Device Agent with Visual Perception [52.5831204440714]
  自律型マルチモーダルモバイルデバイスエージェントMobile-Agentを紹介する。 Mobile-Agentはまず視覚認識ツールを利用して、アプリのフロントエンドインターフェイス内の視覚的要素とテキスト的要素の両方を正確に識別し、特定する。 そして、複雑なオペレーションタスクを自律的に計画し、分解し、ステップバイステップでモバイルアプリをナビゲートする。
  論文  参考訳（メタデータ） (2024-01-29T13:46:37Z)
• Clustering and Analysis of GPS Trajectory Data using Distance-based Features [20.91019606657394]
  そこで我々は,新たなモビリティ指標であるDaily Characteristics Distanceを提案する。 次に、これらの機能を教師なしの機械学習手法、$k$-meansクラスタリングで使用し、各タイプのユーザ(WorkdayとOffday)に対して3つのクラスタを取得する。 本稿では,クラスタリング結果,すなわちユーザ共通性と平均周波数の分析のための2つの新しい指標を提案する。
  論文  参考訳（メタデータ） (2022-12-01T01:25:49Z)
• Modeling Spatial Trajectories using Coarse-Grained Smartphone Logs [9.571588145356277]
  REVAMPは、スマートフォンアプリケーションのユーザアクティビティを利用して、モビリティの好みを特定する、シーケンシャルなPOIレコメンデーションアプローチである。 REVAMPは正確なジオコーディネート、ソーシャルネットワーク、あるいはアクセスされている特定のアプリケーションに対してプライベートではない。
  論文  参考訳（メタデータ） (2022-08-29T02:56:39Z)
• A Survey of Open Source User Activity Traces with Applications to User Mobility Characterization and Modeling [4.936226952764696]
  ユーザモビリティ研究の最先端は、オープンソースのモビリティトレースに大きく依存している。 これらのトレースのほとんどは機能豊かで多様であり、提供される情報だけでなく、どのように利用され、活用されるかにも当てはまります。 本調査では,移動モード,データソース,収集技術を含むオープンソースモビリティトレースを分類する分類法を提案する。
  論文  参考訳（メタデータ） (2021-10-12T22:05:11Z)
• Urban Sensing based on Mobile Phone Data: Approaches, Applications and Challenges [67.71975391801257]
  モバイルデータ分析における多くの関心は、人間とその行動に関連している。 本研究の目的は,携帯電話データから知識を発見するために実装された手法や手法をレビューすることである。
  論文  参考訳（メタデータ） (2020-08-29T15:14:03Z)
• Emerging App Issue Identification via Online Joint Sentiment-Topic Tracing [66.57888248681303]
  本稿では,MERITという新しい問題検出手法を提案する。 AOBSTモデルに基づいて、1つのアプリバージョンに対するユーザレビューに否定的に反映されたトピックを推測する。 Google PlayやAppleのApp Storeで人気のアプリに対する実験は、MERITの有効性を実証している。
  論文  参考訳（メタデータ） (2020-08-23T06:34:05Z)
• General-Purpose User Embeddings based on Mobile App Usage [46.343844014289246]
  保留、インストール、アンインストールを含むモバイルアプリの利用行動は、ユーザの長期的な利益と短期的な利益の両方に良い指標となる。 伝統的に、モバイルアプリの使用によるユーザーモデリングは、手作りの機能工学に大きく依存している。 本稿では,これらの課題を克服し,手作業の削減と性能向上を目標とする,AutoEncoder-Coupled Transformer Network(AETN)を提案する。
  論文  参考訳（メタデータ） (2020-05-27T12:01:50Z)

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。