The Places of Our Lives: Visiting Patterns and Automatic Labeling from Longitudinal Smartphone Data

 
文章分析用户的地理访问历史记录，给出用户的行为模式，最后给出一种对位置贴标签的机制。

数据集：文献[15]的，114个用户长达18个月的，来自两个大学的学生和老师的记录。

用户访问的特征：
每个用户总共访问了多少个地点？
每个地点被访问了多少次？
人们访问新地点的比例？
个人信息（性别、年龄、职业）对用户行为模式的影响。
访问记录的时间分布。

地点的被访问特征：
地点都有哪些category？
地点被访问的时间分布。

文章主要考虑了10个category：Home、Friend-Home、Work/School等。

运用机器学习的分类算法给地点贴category，主要思路：考虑多个特征，对训练集进行特征萃取，然后对测试集进行预测。关键在于特征的选取。本文考虑了如下四方面特征：

1）移动特征（地点的访问频率、单次持续时间、总时间、周内时间分布）

2）应用使用（用户在访问每个地点时，都使用那些应用）

3）蓝牙使用（用户在访问每个地点时，蓝牙使用时间）

4）WiFi使用（用户在访问每个地点时，WiFi使用时间）

自我感想：这个研究思路不错，想借鉴。