位置签到可以显示一个人很多信息——特别是大学生。
普渡大学的研究人员近期在Arxiv上发表了一篇论文《探索改进兴趣点预测的学生登录行为》，描述了Wi-Fi访问日志如何用于识别用户之间在学术环境中的地点和活动。
通过位置数据，使用AI预测你下一个位置，以及你和小伙伴的“友情”，可能听起来有点毛骨悚然。不过想想好的方面，总比用人工智能通过眼球运动来预测你的人格特质更靠谱一些吧。
“在兴趣点（POI）任务中，我们的目标是使用用户行为数据，来模拟用户在不同位置和时间段的活动，然后根据他们当前场景进行预测，”研究人员写道，“在这项工作中，我们首先分析了一个包括时间和空间的教育‘登录’数据集，目的是使用POI预测来个性化学生的推荐……并了解提高学生保留率和满意度的行为模式。获得的结果还可以更好地了解校园设施的使用方式，以及学生之间的联系方式。”
该团队指出，在大多数之前的POI研究中，数据集主要来自社交网络App的签到功能。因此，关于餐馆和娱乐的信息比较“丰富”，其他“平淡无奇”的活动就没有多少记录了，比如去办公室，离开家，或完成学习任务。此外，由于用户经常只签到一次，所以研究人员可能会得出有偏见的结论，并且难以确定一些一致的模式。
普渡大学的研究人员选择用Wi-Fi来解决这个问题——他们先向自己大学的Wi-Fi下了手。因为每个用户的Wi-Fi访问历史数据量非常大，在将这些数据与位置信息配对后，论文的作者能够分析所有普渡大学新生在2016-2017学年的运动轨迹。
数据包含四个项目：用户，兴趣点，兴趣点功能（如居住或娱乐）和时间跨度（在给定位置花费的时间）。
结果揭示了一些有趣的趋势。例如，在工作日，学生们在中午12点和下午6点前往餐厅，并在晚上8点左右去健身房。可以预测的是，新生在快速了解校园之后（在前2-3周内），会在学期剩下的时间里，一直呆在一个固定的、熟悉的建筑范围内。
不过这种偏好因专业而异。计算机科学专业的学生和药学专业学生同时用餐，但后者在上午11点到中午12点之间更多地在上课。CS学生从早到晚都在看书，花更多的时间在学术大楼里，而药学专业的学生则把书带到健身房。
经过额外的处理和索引后，研究人员按照时间顺序用前80%的登录数据训练了一系列机器学习模型，并保留了剩下的20％用于测试。他们提出的人工智能系统——嵌入密集的异构图形或EDHG——能够准确地预测出学生去过的排名前三的位置，准确率分别为85％和31％，排名前十的位置，准确率分别为90％和71％。
接下来，该论文的作者又开始预测两名学生同时在同一个地方的可能性。他们推测这可以表明人与人之间的关系，即“友情”。
EDHG在这方面做得很好，可以为每个用户列出10个潜在朋友。然而，研究人员也指出，针对不太活跃的用户（即签到次数较少的用户），往往不太准确。
他们未来会把这些友情数据纳入AI模型，希望证明社交互动是否会影响学生的签到行为。
“这些初步结果表明了可以将学生轨迹信息，用于教育应用中的个性化推荐中，”他们写道，“以及学生留存率和满意度的预测模型。”
希望未来的应用和研究人员想得一样美好。🙃
更多干货文章，请关注智能观的公众号：zhinengguanym，里面很多方法论、干货与前沿思想等文章。在对话框回复：编码书，获取儿童编码相关书籍。有关前沿教育的问题，也欢迎与我们交流。
来源：VB
作者：Kyle Wiggers
智能观编译
—完—
声明：
编译文章旨在帮助读者了解行业新思想、新观点及新动态，为原作者观点，不代表智能观观点。
网友评论