|
第20届UbiComp 2019今日在英国伦敦开幕。作为普适计算领域公认的顶级会议，UbiComp为全球研究人员提供了一个探讨普适计算系统设计、开发、部署、评测和理解等最新研究进展的多学科交叉交流平台。 ACM UbiComp始于1999年， 2013年合并了普遍计算和普适计算两个国际会议。在过去的十几年中，UbiComp规模发展迅速，从最初的小规模研讨会成长为由ACM SIGCHI和SIGMOBILE共同赞助的大型国际会议。每年向UbiComp提交的论文约有400-500篇，过去几年的接受率大约为20-25%，同时会议每年定期邀请600-800名参会者参与。 因现有会议论文出版模式和审核流程的局限性，从2015年开始，ACM在ACM会议记录（PACM）的框架下推出了一系列新期刊，以允许会议通过混合出版物和评论模型过渡到基于期刊的出版。最早确立的PACM之一就是IMWUT：交互式，移动，可穿戴和普适技术的ACM会议录。 UbiComp成为首个加入IMWUT的会议。从2017年开始UbiComp会议不再接收论文或短文，取而代之，开始将会议论文发表在新创期刊ACM Proceedings of IMWUT上 。IMWUT每年出版1卷，每卷4期，发布于3月（第1期），6月（第2期），9月（第3期）和12月（第4期）。IMWUT 2018第4期和IMWUT 2019 1-3期接收的所有论文将被邀请在今年的会议上发表。 今年的UbiComp为期5天，与ACM ISWC 2019同期举办。在今日和明日将举办Workshops和Tutorials，来自全球的学术大咖将探讨普适计算领域最新研究主题和趋势发展并带来精彩的学术分享。 根据AMiner平台对UbiComp会议近五年来发表论文的分析，我们整理了该会议的TOP 10高引论文，这些论文主要发表于2014年与2015年间，主要集中在机器学习、移动感知、深度学习、智能设备等领域。 TOP1 引用次数479 StudentLife：assessing mental health， academic performance and behavioral trends of college students using smartphones 作者：Rui Wang， Fanglin Chen， Zhenyu Chen， Tianxing Li， Gabriella Harari， Stefanie Tignor， Xia Zhou， Dror Ben-Zeev， Andrew T. Campbell 论文地址：http://studentlife.cs./studentlife.pdf 摘要：学生在生活中面对的许多压力和负担仍然被隐藏着。StudentLife Continuous Sensing APP通过对达特茅斯学院使用安卓手机的48名学生进行了为期10周的工作负荷评估，包括每日和每周的压力、睡眠、活动、情绪、社交能力、心理健康和学业成绩等因素。结果显示，智能手机的传感器数据与学生的心理健康和教育成果之间存在着显著的关系。数据显示学生在学期开始时具有较高的积极情感和对话水平、较低的压力、健康的睡眠和日常活动模式；而随着学期的进展和工作量的增加，他们的压力明显增加，而积极的情感、睡眠、谈话和活动也随之减少。 TOP2 引用次数186 Interrupt Me：designing intelligent prompting mechanisms for pervasive applications 作者：Veljko Pejovic，Mirco Musolesi 论文地址：http://www.cs./~pejovicv/docs/Pejovic14UbiComp.pdf 摘要：移动电话代表了一个独特的交互式应用平台，可以利用与用户直接接触的机会以增加传递信息的影响力。但是，这种可访问性不一定能有效转化，因为收件人可能拒绝发起的联系或在不适当的时刻发出的消息。本文试图解答在移动系统中是否可以识别和利用合适的中断时刻。作者收集并分析了智能手机的跟踪数据，并显示了用户更广泛的背景，包括他们的活动、位置、时间、情绪和参与度，确定了可中断性的不同方面。然后，他们设计并实现了InterruptMe，一款适用于Android智能手机的中断管理库。通过广泛的实验表明，与上下文无关的方法相比，通过这一管理库引起的中断可以提高用户满意度并缩短响应时间。 TOP3 引用次数178 Trajectories of depression：unobtrusive monitoring of depressive states by means of smartphone mobility traces analysis 作者：Luca Canzian， Mirco Musolesi 论文地址：http://www.cs./research/projects/tod/resources/manuscript.pdf 移动感应最有趣的应用之一是监测个人行为，尤其是对个人精神健康的监测。大多数现有系统需要与设备交互，例如他们可能需要用户定期输入他/她的情绪状态。在本文中作者试图通过分析GPS的移动模式来解答手机是否可以不干扰地监测受抑郁情绪影响的个体。为了获得基本的真实测量数据，作者开发了一款智能手机应用程序，它定期收集用户的位置以及量化他们抑郁情绪每日问卷的答案。他们发现运动轨迹特征与抑郁情绪之间存在显著的相关性。最后，该文提出了一种模型的设计，通过分析个体的运动，能够成功地预测个体抑郁情绪的变化。 TOP4 引用次数172 Why we use and abandon smart devices 作者：Amanda Lazar， Christian Koehler， Joshua Tanenbaum， David H. Nguyen 论文地址：https:///papers/2015_p635-lazar.pdf 智能设备正变得越来越商业化，然而，这些设备的使用速度正在放缓并且被遗弃的速度很快，这表明智能设备目前可能无法满足用户的需求。为了进一步了解用户从智能设备中受益、受困扰和放弃智能设备的行为，我们要求一组用户购买智能传感设备，以实现个人的、自定义的目标。作者发现参与者放弃使用设备，是因为这些设备不符合他们的预期，比如设备收集的数据被认为是没有用的，或者是这些设备变得无法管理维护。参与者使用设备是因为他们养成了习惯，并且这些设备是可用的且能够满足他们的好奇心，并且能给他们带来潜在的好处。作者还提出了减少障碍、促进使用的方法，并设想这些设备除了标准的长期使用外，还可用于短期干预。 TOP5 引用次数161 DeepEar：robust smartphone audio sensing in unconstrained acoustic environments using deep learning 作者：Nicholas D. Lane， Petko Georgiev， Lorena Qendro 论文地址：https:///download/pdf/42340233.pdf 麦克风是人类行为和环境的强大传感器。然而，当用户在不同的声学环境（如卧室、车辆或咖啡馆）中使用音频传感时，其精度极易受到剧烈波动的影响。为了应对这一挑战，本文转向深度学习领域；机器学习，它彻底改变了语音识别等相关音频建模领域。在本文中，作者提出了DeepEar--第一个基于耦合深度神经网络（DNN）构建的移动音频感知框架，它同时执行常见的音频传感任务。他们使用一个大规模的数据集来训练DeepEar，其中包括来自168处访问的未标记数据。由此产生的学习模型（包括2.3M参数）使DeepEar能够显著提高对背景噪声的推理鲁棒性，这超出了移动设备中的传统方法。最后，本文展示了DeepEar对智能手机的可行性，它构建了一个DSP原型，该原型连续运行，每天仅耗费智能手机6%的电量。 TOP6 引用次数160 Diagnosing New York city‘s noises with ubiquitous data 作者：Yu Zheng， Tong Liu， Yilun Wang， Yanmin Zhu， Yanchi Liu， Eric Chang 许多城市都受到噪声污染，这将影响人们的工作效率甚至精神健康。纽约市（NYC）开通了一个名为311的平台，让人们可以通过使用移动应用程序或打电话来投诉该市的问题；噪音是311数据中第三大投诉类别。由于每一个有关噪音的投诉都与位置、时间戳和细粒度的噪音类别（如“大声音乐”或“建筑”）相关，因此数据实际上是“人类作为传感器”和“人群感知”的结果，其中包含丰富的人类智能，可以帮助诊断城市噪音。本文利用311投诉数据，结合社会媒体、道路网数据和兴趣点（poi）数据，推断出纽约市各地区不同时段的细颗粒噪声状况（包括噪声污染指标和噪声成分）。通过用三维张量来模拟nyc的噪声状况，其中三维分别代表区域、噪声类别和时隙。通过上下文感知的张量分解方法来补充张量的缺失项，可以恢复整个nyc中的噪声情况。这些信息可以为人们和官员的决策提供参考。他们使用四个实际数据集对该方法进行了评估，验证了该方法在四个基线之外的优势，例如基于插值的方法。 TOP7 引用次数160 No longer wearing：investigating the abandonment of personal health-tracking technologies on craigslist 作者：James Clawson， Jessica Annette Pater， Andrew D. Miller， Elizabeth D. Mynatt， Lena Mamykina 论文地址：http://www./pdf/2015_Clawson.pdf 个人健康追踪技术已成为主流文化的一部分，它们的日益普及和广泛采用为设计新的干预措施来改善健康提供了机会。然而，人们越来越担心这些技术未能被长期采用。为了理解用户放弃个人健康追踪技术的原因，本文在Craigslist上分析了此类技术的二次销售广告。通过对在美国一个月内发布的大约1600个个人健康追踪技术广告进行的迭代归纳和演绎分析， 作者确定了放弃健康追踪的动机和理由，并提出一系列设计。他们呼吁改进理论，帮助在现有理论之间进行转换，这些理论旨在解释健康行为改变的心理影响，以及帮助人们做出这些改变的技术。 TOP8 引用次数156 CrowdRecruiter：selecting participants for piggyback crowdsensing under probabilistic coverage constraint 作者：Daqing Zhang， Haoyi Xiong， Leye Wang， Guanling Chen 本文提出了一种新的用于移动感知的参与者选择框架CrowdRecruiter。CrowdRecruiter在节能的Piggyback Crowdsensing（PCS）任务模型之上运行，在满足概率覆盖约束的前提下，通过选择少量参与者来最小化激励报酬。为了实现通过电话捎带群发任务时的目标，CrowdRecruiter首先根据历史记录预测每个移动用户的呼叫和覆盖概率。然后，它有效地计算多个用户的联合覆盖概率作为组合集，并选择近似最小参与者集，其满足PCS任务的每个感测周期中的覆盖率要求。他们使用一个大规模的真实数据集对众筹者进行了广泛的评估，结果表明，在相同的概率下，通过选择平均减少了10.0%-73.5%的参与者，所提出的解决方案明显优于三种基线算法。 TOP9 引用次数156 A practical approach for recognizing eating moments with wrist-mounted inertial sensing 作者：Edison Thomaz， Irfan A. Essa， Gregory D. Abowd 论文地址：http://users.ece./~ethomaz/papers/c7.pdf 认识到什么时候进食是自动食物摄取监测的关键挑战之一。尽管这些年来取得了不少进展，但大多数提议的方法在日常使用中基本上都是不切实际的，需要多个体传感器或专门的设备。在本文中，作者描述了一种基于3-axis 加速推断进食力矩方法的实现和评估，该方法是通过一款流行的智能手表收集的。通过对20名受试者在半控制的实验室环境中收集的数据进行训练，系统在两个自由生活状态研究中识别出进食时间（7名受试者，1天；1名受试者，31天），F分数分别为76.1%（66.7%准确率，88.8%召回率）和71.3%（65.2%准确率，78.6%的召回）。这项工作有助于一个实用、自动化的日常食物摄入监测系统，适用于健康研究和食物日志记录等领域。 TOP10 引用次数145 A lived informatics model of personal informatics 作者：Daniel A. Epstein， An Ping， James Fogarty， Sean A. Munson 人们如何使用个人信息系统的当前模型主要基于行为改变目标。它们没有充分描述具有不同目标的人将自我跟踪整合到日常生活中的特征。本文以先前的工作为基础，从生命信息学的角度出发，提出了一种新的个人信息学模型。本文研究了信息学如何体现各种领域的自我追踪者的习惯，首先通过调查了105、99和83位过去和现在的体育活动，财务和位置的跟踪者，然后通过采访22个跟踪者关于他们的生活信息学经验。作者开发了一个模型，描述了跟踪者决定跟踪和选择工具的过程，在收集、集成和反射过程中详细说明工具使用情况，作为跟踪和行动的组成部分，并讨论跟踪的失效和潜在恢复。该文使用该模型来展示信息学中未充分探索的挑战，从而确定个人信息学设计和研究的未来方向。 |
|
|
