本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：已發表論文
- 日期：2022-09-02
摘要
縱向行為資料通常包含大量結構。在這項工作中，我們透過模型來識別日常行為固有的結構，這些模型可以準確地分析、預測和聚類來自人群社交網絡內的個人和社區的多模態數據。我們透過完整行為資料集的主要組成部分（我們稱之為特徵行為的一組特徵向量）來表示這種行為結構。在我們的模型中，一個人在特定一天的行為可以透過他或她的主要特徵行為的加權和來近似。當一天中途計算這些權重時，它們可以用來預測我們的測試對象當天的剩餘行為，準確率達到 79%。此外，我們展示了這種降維技術的潛力，透過將個體聚集到由一組聚合特徵行為跨越的「行為空間」中，推斷受試者社交網絡中的社區歸屬。這些行為空間使得確定個人和群體之間的行為相似性成為可能，從而使人口級社交網絡中的社區歸屬分類準確率達到 96%。此外，行為空間中個體之間的距離可以用作對友誼等關係紐帶的估計，表明受試者之間具有很強的行為同質性。這種方法利用了先前在現實挖掘研究中從手機連續記錄麻省理工學院 100 名受試者在 9 個月的時間裡的位置、鄰近電話和通訊情況捕獲的大量豐富數據。隨著穿戴式感測器不斷產生這些類型的豐富的縱向資料集，特徵行為等降維技術將在行為研究中發揮越來越重要的作用。