...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Knowledge-Based Systems >Sequential behavior prediction based on hybrid similarity and cross-user activity transfer
【24h】

Sequential behavior prediction based on hybrid similarity and cross-user activity transfer

机译：基于混合相似度和跨用户活动转移的顺序行为预测

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

The proliferation of smart phones has opened up new kinds of data to model human behavior and predict future activity but this prediction can be tempered by the relative sparsity of data. In this paper, we integrate a time-dependent instance transfer mechanism, driven by a hybrid similarity measure, into learning and predicting human behavior. In particular, transfer component analysis (TCA) is utilized for domain adaptation from different data types to overcome data sparsity. The hybrid user similarity measure is developed based on three different characteristics: eigen-behavior, longest common behavior (LCB), and daily common behavior (DCB). Extensive comparisons are made against state-of-the-art time series prediction algorithms using the Nokia Mobile Data Challenge (MDC) dataset and the MIT Reality Mining dataset. We compare the prediction performance given (i) no additional data, (ii) only data from identical behavior from other users, and (iii) data from any type of behavior from other users. Experimental results show that our proposed algorithm significantly improves the performance of behavior prediction. (C) 2015 Elsevier B.V. All rights reserved.
机译：智能手机的普及为人们的行为建模和预测未来活动开辟了新的数据类型，但是这种预测可以因数据的相对稀疏性而得到改善。在本文中，我们将基于时间的实例传输机制（由混合相似性度量驱动）集成到学习和预测人类行为中。特别是，传输组件分析（TCA）用于对来自不同数据类型的域进行自适应，以克服数据稀疏性。混合用户相似性度量是基于三个不同的特征而开发的：本征行为，最长共同行为（LCB）和日常共同行为（DCB）。使用诺基亚移动数据挑战（MDC）数据集和MIT Reality Mining数据集与最新的时间序列预测算法进行了广泛的比较。我们比较给定的预测性能（i）没有其他数据，（ii）来自其他用户的相同行为的数据，以及（iii）来自其他用户的任何类型的行为的数据。实验结果表明，该算法大大提高了行为预测的性能。 （C）2015 Elsevier B.V.保留所有权利。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号