論文の概要: SensorPersona: An LLM-Empowered System for Continual Persona Extraction from Longitudinal Mobile Sensor Streams

• arxiv url: http://arxiv.org/abs/2604.06204v1
• Date: Sun, 15 Mar 2026 09:21:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-12 18:41:08.63045
• Title: SensorPersona: An LLM-Empowered System for Continual Persona Extraction from Longitudinal Mobile Sensor Streams
• Title（参考訳）: SensorPersona: 縦型移動体センサストリームからの連続的ペルソナ抽出のためのLLM駆動システム
• Authors: Bufang Yang, Lilin Xu, Yixuan Li, Kaiwei Liu, Xiaofan Jiang, Zhenyu Yan,
• Abstract要約: SensorPersonaは,ユーザのモバイルデバイスから収集された縦長のセンサストリームから,安定したユーザペルソナを継続的に推論する。 ペルソナ抽出では最大31.4%のリコール、ペルソナ対応エージェントの反応では85.7%の勝利率、ユーザの満足度向上を実現している。 SensorPersonaは、20の参加者から1,580時間のセンサデータを収集し、3大陸17都市で最大3ヶ月にわたって収集した自己収集データセットで評価した。
• 参考スコア（独自算出の注目度）: 14.36303122576008
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Personalization is essential for Large Language Model (LLM)-based agents to adapt to users' preferences and improve response quality and task performance. However, most existing approaches infer personas from chat histories, which capture only self-disclosed information rather than users' everyday behaviors in the physical world, limiting the ability to infer comprehensive user personas. In this work, we introduce SensorPersona, an LLM-empowered system that continuously infers stable user personas from multimodal longitudinal sensor streams unobtrusively collected from users' mobile devices. SensorPersona first performs person-oriented context encoding on continuous sensor streams to enrich the semantics of sensor contexts. It then employs hierarchical persona reasoning that integrates intra- and inter-episode reasoning to infer personas spanning physical patterns, psychosocial traits, and life experiences. Finally, it employs clustering-aware incremental verification and temporal evidence-aware updating to adapt to evolving personas. We evaluate SensorPersona on a self-collected dataset containing 1,580 hours of sensor data from 20 participants, collected over up to 3 months across 17 cities on 3 continents. Results show that SensorPersona achieves up to 31.4% higher recall in persona extraction, an 85.7% win rate in persona-aware agent responses, and notable improvements in user satisfaction compared to state-of-the-art baselines.
• Abstract（参考訳）: 大規模言語モデル(LLM)ベースのエージェントがユーザの好みに適応し、応答品質とタスクパフォーマンスを向上させるためには、パーソナライズが不可欠である。 しかし、既存のほとんどのアプローチはチャット履歴からペルソナを推測し、物理的世界のユーザの日常行動よりも自己開示情報のみをキャプチャし、包括的ユーザペルソナを推測する能力を制限する。 本研究では,LLMを利用したSensorPersonaシステムについて紹介する。このシステムでは,ユーザのモバイルデバイスから不要に収集された多モード長手センサストリームから,安定したユーザペルソナを連続的に推論する。 SensorPersonaは、まず、センサコンテキストのセマンティクスを強化するために、継続的センサストリームで人指向コンテキストエンコーディングを実行する。 次に、階層的なペルソナ推論を採用して、物理的パターン、精神社会的特性、ライフエクスペリエンスにまたがるペルソナを推測する。 最後に、クラスタリング対応のインクリメンタル検証と時間的エビデンス対応の更新を採用して、進化するペルソナに適応する。 SensorPersonaは、20の参加者から1,580時間のセンサデータを収集し、3大陸17都市で最大3ヶ月にわたって収集した自己収集データセットで評価した。 その結果,SensorPersonaはペルソナ抽出のリコール率を最大31.4%,ペルソナ認識エージェント応答の85.7%,最先端のベースラインと比較してユーザ満足度が顕著に向上した。

関連論文リスト

• SensorLM: Learning the Language of Wearable Sensors [50.95988682423808]
  本稿では,自然言語によるウェアラブルセンサデータ理解を可能にするセンサ言語基盤モデルのファミリーであるSensorLMを紹介する。 本稿では,センサデータから統計的,構造的,意味的な情報を収集する階層的なキャプション生成パイプラインを提案する。 このアプローチにより、これまでで最大のセンサー言語データセットのキュレーションが可能となり、103,000人以上から5970万時間以上のデータを収集した。
  論文  参考訳（メタデータ） (2025-06-10T17:13:09Z)
• SensorChat: Answering Qualitative and Quantitative Questions during Long-Term Multimodal Sensor Interactions [7.549011805153971]
  SensorChatは、日常生活監視用に設計された最初のエンドツーエンドQAシステムである。 数値的精度を必要とする量的問題と、高レベルの推論を必要とする定性的問題の両方を扱う。 答えの精度は、定量的な質問に対する最先端のシステムよりも93%高い。
  論文  参考訳（メタデータ） (2025-02-05T04:41:59Z)
• Gensors: Authoring Personalized Visual Sensors with Multimodal Foundation Models and Reasoning [61.17099595835263]
  Gensorsは、ユーザがMLLMの推論能力によってサポートされているカスタマイズされたセンサーを定義することを可能にするシステムである。 ユーザスタディでは、Gensorsを用いてセンサーを定義するとき、参加者はコントロール、理解、コミュニケーションの容易さを著しく向上させた。
  論文  参考訳（メタデータ） (2025-01-27T01:47:57Z)
• SensorQA: A Question Answering Benchmark for Daily-Life Monitoring [1.925154869666529]
  SensorQAは、日常生活監視のための長期時系列センサデータのための人為的な質問応答データセットである。 このデータセット上で、最先端AIモデルのベンチマークを確立し、典型的なエッジデバイス上でのパフォーマンスを評価する。 我々の結果は、現在のモデルと最適なQAパフォーマンスと効率のギャップを明らかにし、新しいコントリビューションの必要性を強調します。
  論文  参考訳（メタデータ） (2025-01-09T05:06:44Z)
• A Real-time Human Pose Estimation Approach for Optimal Sensor Placement in Sensor-based Human Activity Recognition [63.26015736148707]
  本稿では,人間の行動認識に最適なセンサ配置の課題を解決するための新しい手法を提案する。 得られた骨格データは、最適なセンサ位置を特定するためのユニークな戦略を提供する。 本研究は,センサ配置の視覚的手法が従来のディープラーニング手法と同等の結果をもたらすことを示唆している。
  論文  参考訳（メタデータ） (2023-07-06T10:38:14Z)
• 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)
• 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)
• Assisted Perception: Optimizing Observations to Communicate State [112.40598205054994]
  我々は、ロボット遠隔操作や視覚障害のあるナビゲーションといったタスクにおいて、ユーザが世界の状態を見積もるのを支援することを目的としている。 ユーザによって処理された場合、より正確な内部状態推定につながる新しい観測結果を合成する。
  論文  参考訳（メタデータ） (2020-08-06T19:08:05Z)

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。