30、活动识别与问答社区潜在专家早期检测研究

活动识别与问答社区潜在专家早期检测研究

活动识别的动态滑动窗口方法

在活动识别领域，提出了一种与传统时间滑动窗口方法不同的创建学习实例的途径。该方法的新颖之处在于，系统利用传感器捕获信息的变化来创建用于分类的实例。

通过在过往其他研究人员使用的公共数据集上进行对比，此方法展现出了良好的性能。在用于测试的数据集里，该方法在精度和召回率方面都取得了较高的分数。

动态窗口方法的主要优势显著。它仅需使用更少数量的学习实例和特征，就能构建出准确的模型。这一特性使得该方法非常适合在线应用，以及对计算时间要求较高的场景，因为需要评估的实例数量减少，处理速度也会相应加快，而且它不受时间粒度的限制。

不过，该方法也存在一定的局限性。实例的创建依赖于传感器的准确性，当传感器未能捕捉到环境中的显著变化时，系统就无法检测到状态的改变，也就不能创建相应的实例。这种情况类似于时间窗口过长，包含了两个活动而非一个。虽然存在局限性，但可以使用其他类型的传感器，如加速度计或磁力计来进行活动识别。

此外，还描述了如何运用该方法从传感器读数中提取信息以用于活动识别模型。生成的模型能够通过记录每个活动中最后观察到的对象，更好地预测转移概率。仅使用RFID检测到的最后两个对象，或者最后两个状态发生变化的簧片开关传感器，就能取得不错的效果。

问答社区潜在专家的早期检测

问答社区（QA）是优秀的知识来源，其正常运转依赖于少数专家提供大量高质量的答案。以TurboTax Live Community（TTLC）为例，该社区允许用户提出和回答与税务及TurboTax产品相关的问题。从2006年7月至2009年4月的数据集显示，83位超级用户（专家