論文の概要: On-device modeling of user's social context and familiar places from
smartphone-embedded sensor data
- arxiv url: http://arxiv.org/abs/2306.15437v1
- Date: Tue, 27 Jun 2023 12:53:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-28 13:32:35.012860
- Title: On-device modeling of user's social context and familiar places from
smartphone-embedded sensor data
- Title（参考訳）: スマートフォン内蔵センサデータを用いたユーザの社会的状況と身近な場所のオンデバイスモデリング
- Authors: Mattia Giovanni Campana, Franca Delmastro
- Abstract要約: 本稿では,ユーザの社会的状況や位置を直接モバイルデバイス上でモデル化する,教師なしで軽量なアプローチを提案する。
ソーシャルなコンテキストにおいて、このアプローチはユーザーとそのデバイス間の物理的およびサイバーなソーシャルインタラクションのデータを利用する。
提案手法の有効性は,実世界の5つのデータセットを用いた3つの実験によって実証された。
- 参考スコア（独自算出の注目度）: 7.310043452300736
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Context modeling and recognition are crucial for adaptive mobile and
ubiquitous computing. Context-awareness in mobile environments relies on prompt
reactions to context changes. However, current solutions focus on limited
context information processed on centralized architectures, risking privacy
leakage and lacking personalization. On-device context modeling and recognition
are emerging research trends, addressing these concerns. Social interactions
and visited locations play significant roles in characterizing daily life
scenarios. This paper proposes an unsupervised and lightweight approach to
model the user's social context and locations directly on the mobile device.
Leveraging the ego-network model, the system extracts high-level, semantic-rich
context features from smartphone-embedded sensor data. For the social context,
the approach utilizes data on physical and cyber social interactions among
users and their devices. Regarding location, it prioritizes modeling the
familiarity degree of specific locations over raw location data, such as GPS
coordinates and proximity devices. The effectiveness of the proposed approach
is demonstrated through three sets of experiments, employing five real-world
datasets. These experiments evaluate the structure of social and location ego
networks, provide a semantic evaluation of the proposed models, and assess
mobile computing performance. Finally, the relevance of the extracted features
is showcased by the improved performance of three machine learning models in
recognizing daily-life situations. Compared to using only features related to
physical context, the proposed approach achieves a 3% improvement in AUROC, 9%
in Precision, and 5% in Recall.
- Abstract（参考訳）: コンテキストモデリングと認識は、適応型モバイルおよびユビキタスコンピューティングに不可欠である。
モバイル環境におけるコンテキスト認識は、文脈変化に対する迅速な反応に依存する。
しかし、現在のソリューションは、集中型アーキテクチャで処理される限られたコンテキスト情報、プライバシー漏洩のリスク、パーソナライゼーションの欠如に焦点を当てている。
オンデバイスコンテキストモデリングと認識は、これらの懸念に対処する新たな研究トレンドである。
社会的な交流と訪問場所は日常生活のシナリオを特徴づける重要な役割を担っている。
本稿では,ユーザの社会的状況や位置を直接モバイルデバイス上でモデル化する,教師なしで軽量なアプローチを提案する。
このシステムは、ego-networkモデルを利用して、スマートフォンに埋め込まれたセンサーデータから高レベルで意味豊かなコンテキスト特徴を抽出する。
ソーシャルなコンテキストにおいて、このアプローチはユーザーとそのデバイス間の物理的およびサイバーなソーシャルインタラクションのデータを利用する。
位置に関して、gps座標や近接デバイスなどの生の位置データよりも特定の場所の親密度のモデル化を優先する。
提案手法の有効性は,実世界の5つのデータセットを用いた3つの実験により実証された。
これらの実験は,ソーシャルネットワークとロケーションエゴネットワークの構造を評価し,提案モデルの意味的評価を行い,モバイルコンピューティングの性能を評価する。
最後に,3つの機械学習モデルの性能向上により,日常の状況を認識することで,抽出した特徴の関連性を示す。
物理的なコンテキストに関連する機能のみを使用する場合と比較して、提案手法はAUROCが3%改善し、精度が9%、リコールが5%向上した。
関連論文リスト
- Learning Where to Look: Self-supervised Viewpoint Selection for Active Localization using Geometrical Information [68.10033984296247]
本稿では, 位置決めの精度を高めるために, 視点選択の重要性を強調し, アクティブな位置決め領域について検討する。
私たちのコントリビューションは、リアルタイム操作用に設計されたシンプルなアーキテクチャ、自己教師付きデータトレーニング方法、および実世界のロボティクスアプリケーションに適した計画フレームワークにマップを一貫して統合する能力による、データ駆動型アプローチの使用に関するものです。
論文 参考訳（メタデータ） (2024-07-22T12:32:09Z) - Lightweight Modeling of User Context Combining Physical and Virtual
Sensor Data [15.800978541993706]
本研究では,パーソナルモバイルデバイスから異質なセンサデータを含むデータセットを収集するフレームワークを提案する。
本稿では,ユーザコンテキストをモデル化し,推論プロセス全体を効率的に実行するための軽量なアプローチを提案する。
精度の低下を3%以下に抑えつつ、10倍のスピードアップと90%以上の機能低下を実現した。
論文 参考訳（メタデータ） (2023-06-28T08:57:01Z) - MyDigitalFootprint: an extensive context dataset for pervasive computing
applications at the edge [7.310043452300736]
MyDigitalFootprintは、スマートフォンセンサーデータ、物理的な近接情報、オンラインソーシャルネットワークのインタラクションを含む大規模なデータセットである。
自然環境における31人のボランティアユーザーによる2ヶ月の計測で、制限なしの行動を可能にする。
データセットの有効性を示すために,各種機械学習タスクを利用したコンテキスト認識3つのアプリケーションを提案する。
論文 参考訳（メタデータ） (2023-06-28T07:59:47Z) - Exploring Contextual Representation and Multi-Modality for End-to-End
Autonomous Driving [58.879758550901364]
最近の知覚システムは、センサー融合による空間理解を高めるが、しばしば完全な環境コンテキストを欠いている。
我々は,3台のカメラを統合し,人間の視野をエミュレートするフレームワークを導入し,トップダウンのバードアイビューセマンティックデータと組み合わせて文脈表現を強化する。
提案手法は, オープンループ設定において0.67mの変位誤差を達成し, nuScenesデータセットでは6.9%の精度で現在の手法を上回っている。
論文 参考訳（メタデータ） (2022-10-13T05:56:20Z) - Adaptive Local-Component-aware Graph Convolutional Network for One-shot
Skeleton-based Action Recognition [54.23513799338309]
骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。
我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
論文 参考訳（メタデータ） (2022-09-21T02:33:07Z) - On-device modeling of user's social context and familiar places from
smartphone-embedded sensor data [7.310043452300736]
ユーザの社会的文脈とその位置をモデル化するための,新しい,教師なし,軽量なアプローチを提案する。
ユーザとそのデバイス間の物理的およびサイバー的ソーシャルインタラクションに関連するデータを活用する。
日常の状況を認識するための3つの機械学習アルゴリズムの性能を示す。
論文 参考訳（メタデータ） (2022-05-18T08:32:26Z) - Masked Transformer for Neighhourhood-aware Click-Through Rate Prediction [74.52904110197004]
本稿では,近隣相互作用に基づくCTR予測を提案し,そのタスクを異種情報ネットワーク(HIN)設定に組み込む。
周辺地域の表現を高めるために,ノード間のトポロジカルな相互作用を4種類検討する。
本研究では,2つの実世界のデータセットに関する総合的な実験を行い,提案手法が最先端のCTRモデルを大幅に上回ることを示す。
論文 参考訳（メタデータ） (2022-01-25T12:44:23Z) - DAPPER: Label-Free Performance Estimation after Personalization for
Heterogeneous Mobile Sensing [95.18236298557721]
DAPPER(Domain AdaPtation Performance EstimatoR)を提案する。
実世界の6つのベースラインと比較した4つのセンシングデータセットによる評価の結果,DAPPERの精度は39.8%向上した。
論文 参考訳（メタデータ） (2021-11-22T08:49:33Z) - SensiX: A Platform for Collaborative Machine Learning on the Edge [69.1412199244903]
センサデータとセンサモデルの間に留まるパーソナルエッジプラットフォームであるSensiXを紹介する。
動作および音声に基づくマルチデバイスセンシングシステムの開発において,その有効性を示す。
評価の結果,SensiXは3mWのオーバヘッドを犠牲にして,全体の精度が7～13%向上し,環境のダイナミクスが最大30%向上することがわかった。
論文 参考訳（メタデータ） (2020-12-04T23:06:56Z) - Multi-Modal Subjective Context Modelling and Recognition [19.80579219657159]
我々は,時間,場所,活動,社会的関係,対象の5次元を捉える新しい存在論的文脈モデルを提案する。
実世界のデータに対する最初の文脈認識実験は、我々のモデルの約束を示唆している。
論文 参考訳（メタデータ） (2020-11-19T05:42:03Z)
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。