We propose autonomous place naming

We propose autonomous place naming system that integrates crowdsensing data from mobile phones with location information in social networks. We first describe the usage scenario, and then present the technical details. The proposed system automatically provides the name of places visited by users in daily life according to three types [19]: functional name (e.g., food place, nightlife, shopping place), business name (e.g., Starbucks, Apple Store), and personal name (e.g., my home, my workplace). We assume that a user does not manually provide information about the place name. When a user stays at a place for a certain period of time, the system opportunistically collects sensing data and phone usage to generate the place characteristics. The system then extracts features from sensing data collected by crowd users. The system finally matches extracted features with location information in SNS to infer the place name. Figure 3 illustrates the overall process of the proposed system, which consists of three parts: data collector, feature extraction, and name provider. In data collector, we use GPS, WiFi, and cellular sensors to collect mobility data, along with images captured by users. On the server side, the crawler collects location and interaction data from social networks, including places, check-in histories, images, and posts in places. In feature extraction, the system applies a set of classifiers to extract the characteristics about place. We estimate the familiarity of place, residence time, and stay duration. We also analyze images to extract features about environments. Based on the extracted features, the name provider infers the place name by linking crowdsensing data with knowledge in social networks.

ผลลัพธ์ (ไทย) 1:

เรานำเสนอสถานที่ที่ตนเองตั้งชื่อระบบ crowdsensing ข้อมูลจากโทรศัพท์มือถือกับข้อมูลตำแหน่งในเครือข่ายสังคม เราแรกอธิบายสถานการณ์การใช้งาน และจากนั้น นำเสนอรายละเอียดทางเทคนิค ระบบที่นำเสนอจะให้ชื่อของสถานที่ที่ไป โดยผู้ใช้ในชีวิตประจำวันตามสามชนิด [19]: ชื่อที่ทำงาน (เช่น หาอาหาร สถานบันเทิง สถานจำหน่าย), ชื่อธุรกิจ (เช่น สตาร์บัคส์ Apple Store), และชื่อบุคคล (เช่น บ้าน ที่ทำงานของฉัน) เราสมมติว่า ผู้ใช้ไม่ด้วยตนเองให้ข้อมูลเกี่ยวกับชื่อสถานที่ เมื่อผู้อยู่ในสถานที่ระยะเวลา ระบบ opportunistically รวบรวมข้อมูลตรวจวัดและการใช้โทรศัพท์เพื่อสร้างสถานที่ลักษณะนี้ ระบบแยกคุณลักษณะจากการตรวจวัดข้อมูลที่รวบรวมผู้คนแล้ว finally ระบบตรงกับคุณสมบัติสกัดพร้อมข้อมูลตำแหน่งที่ SNS จะเข้าใจชื่อสถานที่ รูปที่ 3 แสดงให้เห็นถึงกระบวนการโดยรวมของระบบเสนอ ซึ่งประกอบด้วย 3 ส่วน: เก็บรวบรวมข้อมูล การสกัดคุณลักษณะ และชื่อผู้ให้บริการ ในการเก็บรวบรวมข้อมูล เราใช้ GPS, WiFi และโทรศัพท์มือถือเซ็นเซอร์เพื่อเก็บรวบรวมข้อมูลจำนวน พร้อมกับภาพที่ถ่าย โดยผู้ใช้ บนฝั่งเซิร์ฟเวอร์ crawler ที่รวบรวมสถานที่ และการโต้ตอบข้อมูลจากเครือข่ายสังคม รวมทั้งสถาน ในประวัติ รูปภาพ และโพสต์ในสถาน ในการสกัดคุณลักษณะ ระบบจะใช้ชุดของ classifiers จะแยกลักษณะเกี่ยวกับสถาน เราประเมินความคุ้นเคยสถานที่ เวลาพำนัก และระยะเวลาเข้าพัก นอกจากนี้เรายังวิเคราะห์ภาพการแยกคุณลักษณะเกี่ยวกับสภาพแวดล้อม ตามคุณสมบัติสกัด ผู้ให้บริการชื่อ infers ชื่อสถานที่ โดยการเชื่อมโยงข้อมูล crowdsensing มีความรู้ในเครือข่ายสังคม

ผลลัพธ์ (ไทย) 2:

เราเสนอสถานที่ระบบการตั้งชื่อตนเองที่บูรณาการข้อมูล crowdsensing จากโทรศัพท์มือถือกับข้อมูลสถานที่ตั้งในเครือข่ายสังคม เราแรกอธิบายสถานการณ์การใช้งานแล้วนำเสนอรายละเอียดทางเทคนิค ระบบการเสนอให้ชื่อของสถานที่เข้าชมโดยผู้ใช้ในชีวิตประจำวันตามสามประเภท [19] โดยอัตโนมัติ: ชื่อการทำงาน (เช่นสถานที่อาหารยามค่ำคืน, สถานที่ช้อปปิ้ง) ชื่อธุรกิจ (เช่น Starbucks, แอปเปิ้ลสโตร์) และส่วนบุคคล ชื่อ (เช่นบ้านของฉันทำงานของฉัน) เราคิดว่าผู้ใช้ไม่ได้ด้วยตนเองให้ข้อมูลเกี่ยวกับชื่อสถานที่ เมื่อผู้ใช้อยู่ในสถานที่ที่เป็นระยะเวลาหนึ่งของเวลาที่ระบบมีโอกาสเก็บรวบรวมข้อมูลการสำรวจข้อมูลและการใช้โทรศัพท์เพื่อสร้างลักษณะสถานที่ จากนั้นระบบจะสารสกัดจากคุณสมบัติจากข้อมูลการสำรวจข้อมูลที่เก็บรวบรวมโดยผู้ใช้ฝูงชน Nally ระบบ Fi ตรงกับคุณสมบัติที่สกัดด้วยข้อมูลสถานที่ใน SNS เพื่อสรุปชื่อสถานที่ รูปที่ 3 แสดงให้เห็นถึงกระบวนการโดยรวมของระบบที่นำเสนอซึ่งประกอบด้วยสามส่วนเก็บรวบรวมข้อมูลการสกัดคุณลักษณะและผู้ให้บริการชื่อ เก็บรวบรวมข้อมูลในการที่เราจะใช้จีพีเอส, อินเตอร์เน็ตไร้สาย, โทรศัพท์มือถือและเซ็นเซอร์การเก็บรวบรวมข้อมูลการเคลื่อนไหวพร้อมกับภาพที่ถ่ายโดยผู้ใช้ ในฝั่งเซิร์ฟเวอร์, รถเก็บรวบรวมสถานที่ตั้งและการมีปฏิสัมพันธ์ข้อมูลจากเครือข่ายทางสังคมรวมทั้งสถานเช็คอินประวัติศาสตร์ภาพและโพสต์ในสถานที่ ในการสกัดคุณลักษณะระบบใช้ชุดของ ERS จัดประเภทการสกัดลักษณะเกี่ยวกับสถานที่ เราประเมินความคุ้นเคยของสถานที่, เวลาที่อยู่อาศัยและอยู่ในช่วงระยะเวลา นอกจากนี้เรายังวิเคราะห์ภาพที่จะดึงคุณสมบัติเกี่ยวกับสภาพแวดล้อม ขึ้นอยู่กับคุณสมบัติสกัดผู้ให้บริการชื่ออ้างถึงชื่อสถานที่โดยการเชื่อมโยงข้อมูล crowdsensing ที่มีความรู้ในเครือข่ายสังคม