Using community authored content to identify place-specific activities
Notice bibliographique
Résumé
Understanding the context of a person's interaction with a place is important to enabling ubiquitous computing applications. The ability for mobile computing to provide information and services that are relevant to a user's current location—which is central to the vision of ubiquitous computing—requires that the technologies be able to characterize the activities that a person may potentially perform in place, whatever this place may be. To support the user as she goes about her day, this ability to characterize the potential activities for a place must support work on a city scale. In this dissertation, we present a method to process place-specific community-authored content (e.g., Yelp.com reviews) to identify a set of the potential activities (articulated as verb-noun pairs) that a person can perform at a specific place and apply this method for places on a city scale. We validate the method by processing the place-specific reviews authored by community members of Yelp.com and show that the majority of the 40 most common verb-noun pairs are true activities that can be performed at the respective place; achieving an average mean precision of up to 79.3% and recall of up to 55.9%. We applied this method by developing a Web-service (the Activity Service) that automatically processes all the places reviewed for a city and provides structured access to the activity data that can be identified for the respective places. To validate that the place and activity data is useful and useable, we developed and evaluated two applications that are supported by the Activity Service: Opportunities Exist and Vocabulary Wallpaper. In addition to these applications, we conducted a design contest to identify other types of applications that can be supported by the Activity Service. Finally, we discuss limitations of the activity data and the Activity Service, and highlight future considerations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,024 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,015 | 0,006 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,004 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,004 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».