Exploiter des modèles de routine humaine pour détecter et générer des comportements humains

Une capacité à détecter les comportements qui impactent négativement le bien-être des personnes et à montrer aux gens comment corriger ces comportements pourrait permettre une technologie qui améliore la vie des gens. Les approches d'apprentissage automatique supervisées existantes pour détecter et générer de tels comportements nécessitent un étiquetage de données long et coûteux par des experts du domaine. Dans ce travail, nous nous concentrons sur le domaine des comportements de routine, où nous modélisons les routines comme une série d'actions fréquentes que les gens réalisent dans des situations spécifiques. Nous présentons une approche qui contourne l'étiquetage de chaque instance de comportement qu'une personne exhibe. Au lieu de cela, nous étiquetons faiblement les instances en utilisant la routine démontrée par les gens. Nous classifions et générons de nouvelles instances sur la base de la probabilité qu'elles appartiennent au modèle de routine. Nous illustrons notre approche sur un exemple de système qui aide les conducteurs à prendre conscience de leurs comportements de conduite agressifs et à les comprendre. Notre travail permet une technologie qui peut déclencher des interventions et aider les gens à réfléchir sur leurs comportements lorsque ces comportements sont susceptibles de les impacter négativement.