普渡大学的研究人员使用AI来预测学生的位置

  位置签到揭示了很多关于一个人,特别是大学生,事实证明。普渡大学的研究人员发表了一篇文章(“探索学生的签到行为提高了兴趣点预测”)在预印本服务器月初描述无线访问日志可以用来识别用户之间的相关性,在学术设置位置和活动。

  预测位置和友谊与人工智能位置数据听起来有点毛骨悚然,真的。但从好的方面说,它不像人工智能反乌托邦,可以从眼球运动预测人格特质。

  “兴趣点(POI)任务,目标是利用用户行为数据模型用户的活动在不同的地点和时间,然后进行预测(或建议相关场所根据其当前上下文,”研究人员写道。“在这项工作中,我们首先分析时空教育“签到”数据集,目的是使用POI个性化学生建议,理解行为的预测模式,增加学生保留和满意度。结果还提供了一个更好的主意如何利用校园设施和学生的相互联系。”

  研究小组指出,在大多数先前的POI研究,数据集包括主要自愿从社交网络应用程序像Foursquare和Yelp签到。因此,他们“丰富”的信息,说,餐馆和娱乐热点,但没有在描述“平淡”活动,比如到达办公室,离开家,或者运行一个差事。另外,因为用户贡献了他们常去场所只有一次,他们可能会有偏见的结论,很难确定一致的模式。

  研究人员选择解决问题与wi - fi -普渡大学的wi - fi。优势,他们认为,是一个“更好的时间分辨率”,因为每个用户的wi - fi接入大量的历史数据。(学生参与研究“检入”每当他们的无线设备发送或接收一个包,导致一个日志文件,最终达到376 gb大小的)。配对后的数据与场地位置信息,文章的作者能够分析所有新生普渡大学学生的运动在整个学年2016 - 2017。

  中的每个条目数据集包含四个项目:用户的兴趣点,点感兴趣的功能(例如,住宅或娱乐),和时间跨度的时间(在一个给定的位置)。处理后,涉及删除用户不到100签到和其他步骤,处理过的样品有5.4亿日志。

  它揭示了一些有趣的趋势。例如,在工作日,学生们参观了食堂大约12点和6点。晚上8点左右,去健身房。可以预见的是,大一学生探索校园很快(前2 - 3周内),然后坚持一个固定的,熟悉的建筑在剩下的学期。主要和偏好不同。计算机科学学生和药店学生用餐同时,但后者上课经常在上午11点到12点之间。CS学生用功学习从早上到下午,花更多的时间在学术的建筑,而药店学生体重要逃到房间之后。

  额外的处理和索引之后,研究者们训练有素的机器学习模型在80年第一个数组按时间顺序登记记录,保留剩余的20%进行测试。他们提出的人工智能系统,嵌入密集异构图形、或EDHG设法准确地预测排名前三的位置一个学生参观了85 - 31%的准确率,分别与十大90%和71%的准确率。

  接下来,论文的作者把它宽松的“covisitation事件”,当两个学生在同一时间在同一个地方。他们认为它可以显示即友谊人与人之间的关系。

  EDHG在这方面做得很好,这表明一个10为每个用户潜在的朋友列表,在基线中表现最先进的方法。然而,研究人员指出,建议即不活跃用户。用更少的签到,用户往往不准确。

  他们留给未来的工作将covisitation数据到人工智能模型,他们希望证明社会互动会影响学生登记的行为。

  “这些初步结果显示使用学生的承诺轨迹信息个性化推荐在教育应用,”他们写道,“以及预测模型的学生保留和满意。”

内容版权声明:除非注明,否则皆为本站原创文章。

转载注明出处:http://vkdesigns.net/wusite/687.html