May, 2023

概率形式建模揭示和解释交互方式

PDF
TL;DR本研究使用机器学习及概率模型检验等计算方法，以用户行为追踪数据为基础，无需任务或绝对度量，无监督地推断出移动应用中的交互样式，并通过重新设计和实现来优化其用户体验。
发现论文，激发创造
  • 交互式知识引导中用户建模以避免过度拟合

    本研究提出了一种用户建模方法，通过概率用户模型来推断用户的知识，从而提高交互式机器学习的性能，并避免过度拟合的问题。

    Oct, 2017

  • 交互日志中的不确定案例标识符解决：用户研究

    该论文提出了一种基于神经网络的技术来确定点击数据的案例概念，从而使过程挖掘和其他过程分析技术能够在用户交互数据上进行。研究表明此方法可扩展到大数据集，而使用此技术可以带来可操作的流程洞察。

    Nov, 2022

  • 人工智能与用户相互塑造的会计学：数学模型的作用

    当 AI 系统进入越来越多的社会领域时，它们日益塑造并受到用户的偏好、观点和行为的影响。然而，AI 系统的设计很少考虑到 AI 和用户如何相互塑造。本论文提出了发展数学上明确规定 AI 和用户相互塑造的形式交互模型的理念，该模型可以用于制定交互实现、通过实证分析监控交互、通过反事实分析预测社会影响，以及通过干预控制社会影响。以内容推荐系统为案例研究，我们对形式交互模型的初始文献在这些用例和设计轴方面进行了批判性审视。此外，我们呼吁社区在设计、评估或审计任何与用户进行交互的 AI 系统时利用形式交互模型。

    Apr, 2024

  • 量化与建模特征交互：一种信息分解框架

    该研究提出了一种信息熵方法，可以量化多模态分布中输入特征之间的冗余、独特和协同作用，以帮助模型选择和应用。

    Feb, 2023

  • 基于混合马尔可夫模型的学生参与行为建模与预测

    利用基于模型的聚类方法，通过生成混合马尔可夫模型对学生的（非）参与行为进行分组，通过预处理和 EM 算法初始化的方法来提高聚类效果，并通过马尔可夫链可视化学生的参与行为。

    Feb, 2024

  • 概率模型检查和自主性

    本文综述了概率模型检测在 PRISM 和 PRISM-games 模型检查器支持下的可观测和不可观测马尔可夫决策过程、顺序和并发随机博弈以及相关概率时态逻辑，以及其在自主系统中的应用，并探讨了未来研究方向和挑战。

    Nov, 2021

  • 基于层次概率模型的无监督工作行为模式提取

    提出了一种新的基于高斯过程半马尔可夫模型的工人行为模式提取方法，不需要预先训练，能够自动准确地将连续运动划分为不同的运动类别，并与隐马尔可夫模型进行参数互推，以实现准确的运动模式提取。该方法在实际生产现场的工人装配产品的运动数据上进行了验证，其运动模式的提取精度通过归一化的 Levenshtein 距离（NLD）评估，与基准方法相比，该方法的 GP-HSMM 和 HSMM 层提取的模式 NLD 分别为 0.50 和 0.33，是最小的。

    May, 2024

  • 应用间检索和设计一致性检查的计算方法

    从移动用户界面 (UI) 中提取语义表示并将这些表示用于设计师的决策过程已显示出成为有效的计算设计支持工具的潜力。我们采用大规模网络图像训练的视觉模型，以零 - shot 方式提取 UI 表示并超越现有专门模型，并使用数学基础的方法实现应用程序之间的检索和设计一致性分析。我们的实验表明，我们的方法不仅改进了以前的检索模型，还实现了多个新的应用。

    Sep, 2023

  • 建模相互依存和周期性的真实世界动作序列

    本文开发了一种基于个性化、多变量时间点过程的新型统计模型，用于对移动健康应用中的人类行为建模，以得出未来用户行为及其时机的准确预测。

    Feb, 2018

  • 从移动数据中学习语言和多模态隐私保护的情绪标记

    通过对高自杀风险人群进行研究，本文从语言和移动文本的多模态表示等方面分析了手机使用行为与情绪的关联，并提出一种保护隐私的深度学习方法来提高智能手机数据的使用价值。

    Jun, 2021