23、基于手机传感器的用户行为模式分析与预测及服务组合框架

基于手机传感器的用户行为模式分析与预测及服务组合框架

1. 基于MAST模型的用户行为分析与预测

在用户行为分析领域，通过对多日用户活动训练得到收敛的MAST概率模型后，可通过多种关联关系提取有趣的用户行为模式，如时间 - 移动关联、时间 - 动作关联等。同时，还能区分提取与时间相关和无关的关联。

1.1 MAST模型的行为预测

MAST概率模型用于刻画用户日常行为模式，一旦模型训练收敛，就能基于检测到的用户当前活动预测其下一个活动。以通过移动预测动作的基本流程为例：
1. 检测到人类移动，记为$M_i$。
2. 以当前时间$t$为起点，在$M(t)$的邻域中搜索$M_i$的局部概率峰值。
3. 若局部峰值大于阈值，则进行强预测；否则进行弱预测。
4. 获取局部峰值对应的时间$t’$。
5. 以$t’$为起点，在$P_{\Delta t}(A|M)$的邻域中搜索$M_i$的局部概率峰值。
6. 将局部峰值对应的$A_j$作为预测结果。

其他输入/输出要求的预测流程类似，也可使用多个输入进行更精确的预测。

1.2 关键技术

• 用户活动检测 ：使用手机内置传感器以非侵入方式收集用户活动数据时，可检测的移动和情况不如周围传感器或可穿戴传感器多。且并非所有人类移动和动作都与用户行为分析相关，以下是一些关注的移动、动作和情况：
  | 移动 | 动作 | 情况 |
  | — | — | — |
  | 坐下 | 打电话 | 家 |
  | 站起 | 读新闻 | 办公室 |
  | 平