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Arxiv.org上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。”