基於行動裝置情境感知之每日活動摘要產生機制

Abstract

這篇論文專注在開發行動裝置上的每日活動摘要技術。我們提出了新的每日摘要應用，能夠讓行動裝置的使用者記錄他們每天的日常活動，並且提供介面讓使用者能夠回顧過往的活動摘要。除此之外，產生的摘要能夠用來分析使用者習慣和喜好，產生許多附加價值。例如使用者可以記錄在麥當勞用餐，或是踢足球的運動。有了使用者活動的歷史記錄，我們可以找出使用者經常在周末中午時刻在麥當勞用餐的規則，或是找出使用者最喜歡的運動是踢足球等。這樣的摘要能夠找出個人化的習慣，並且有許多潛在的應用，例如行動廣告和行動搜尋等。 由於使用者傾向只記錄重要且印象深刻的活動，我們試圖利用各種手機情境資訊以自動產生完整而全面的活動摘要。在本論文中，我們將活動摘要的自動產生塑造為分類問題，並且提出了基於情境感知之每日活動摘要產生架構(簡稱CADAS)。此架構根據時間、地點、裝置及使用者情境來分類活動的類型。此外，我們設計了一個使用者介面，讓使用者能夠回顧產生的摘要，並且根據使用者活動的實際情況對分類錯誤的活動進行校正，給予分類模型回饋。我們在Android平台實作CADAS，並從13位志願者收集了一個月的真實使用者活動資料。藉由實際使用者的測試與實驗分析，我們驗證了所提出系統能夠使活動分類達到95%的高準確率，符合此自動摘要產生應用之需求。

This thesis focuses on the problem of daily activity summary generation with mobile devices. We propose a novel daily activity summary application which allows users to record their activities and get an overview of their daily lives. Motivated by the fact that users are prone to only record important and impressive activities, we attempt to automatically generate more complete and comprehensive summaries according to miscellaneous mobile contexts. In this thesis, we model the activity summary generation problem as a classification task. We propose the Context-Aware Daily Activity Summarization framework (abbreviated as CADAS) that can classify activity types based on time, location, device, and user contexts collected on mobile devices. Moreover, we design a mobile user interface to help users get an overview of the generated summaries, and users can provide feedback by correcting misclassified results to refine the activity classification model. The CADAS framework is implemented on Android platform, and a 1-month real dataset contributed from 13 volunteers is exploited to conduct extensive experiments. The experiment results show that the classification accuracy can be very high, justifying the effectiveness of CADAS framework.