Key points are not available for this paper at this time.
تُعتبر سجلات النشاط المجمعة من الأجهزة القابلة للارتداء (مثل: أبل ووتش، فيتبيت، وغيرها) مصدرًا واعدًا للبيانات لتسهيل مجموعة واسعة من التطبيقات مثل جدولة التمارين الشخصية، توصية التمارين، واكتشاف anomalies في معدل ضربات القلب. ومع ذلك، فإن هذه البيانات متغايرة، وصاخبة، ومتنوعة في المقياس والدقة، ولها تعقيدات تفاعلية جعلت من الصعب نمذجتها. في هذه الورقة، نقوم بتطوير نماذج تسلسلية مدركة للسياق لالتقاط الأنماط الشخصية والزمانية لبيانات اللياقة البدنية. على وجه الخصوص، نقترح FitRec - وهو نموذج قائم على LSTM يلتقط مستويين من معلومات السياق: السياق ضمن نشاط معين، والسياق عبر تاريخ نشاط المستخدم. نحن مهتمون بشكل خاص بـ (أ) تقدير ملف معدل ضربات القلب لمستخدم معين بالنسبة لنشاط مرشح؛ و(ب) التنبؤ والتوصية بأنشطة مناسبة بناءً على ذلك. نقوم بتقييم نموذجنا على مجموعة بيانات جديدة تحتوي على أكثر من 250 ألف سجل تمارين مصحوبة بمئات الملايين من قياسات المستشعرات المتوازية (مثل: معدل ضربات القلب، نظام تحديد المواقع) وبيانات الوصف. نوضح أن النموذج قادر على تعلم الديناميات السياقية، الشخصية، وذات النشاط المحدد لملفات معدل ضربات القلب لدى المستخدمين خلال التمارين. نقوم بتقييم النموذج المقترح مقابل الأسس المستخدمة في عدة مهام للتوصية الشخصية، مما يظهر وعد استخدام بيانات الأجهزة القابلة للارتداء في نمذجة النشاط والتوصية.
درس Ni وآخرون (Mon,) هذا السؤال.