과제/모바일인지/2013/Card

2014년 5월 13일 (화) 19:30 현재 판

참여연구원

• 과제/모바일인지/데이터수집 - Logical log 수집을 위한 페이지

자료공유

• 자료공유를 위한 게시판
  • id : 위 주소록의 email id와 동일합니다.
  • password : email 뒤에 2013을 붙이기 바랍니다. 로그인하여 변경하기 바랍니다.

Logical Logger를 이용하여 모은 자료

서울대 모듈에 사용하기 위한 데이터 모음

아래 데이터는 Logical logger에서 수집한 데이터를 가공하여 CITUS 모듈을 통과시켜 좌표를 보정한 결과입니다.

1. 김유진_CITUS_out.txt
2. 배연정_CITUS_out.txt
3. 백승은_CITUS_out.txt
4. 임연주_CITUS_out.txt
5. 정달래_CITUS_out.txt

위 데이터로 실험한 결과(2013.4.4)입니다.

• 2013-4-4-모바일인지-서울대API적용결과.pptx

Logical Logger에 Action 정보를 추가하기 위한 방안

• 2013년 4월 4일 회의에서 결정
• 2013년 4월 14일 숭실대, 서울대에 데이터 전달

• action 파일의 이름은 홍길동-2013-4-3.action으로

홍길동-2013-4-3.log
2013-01-02-14:30 2013-01-02-15:00 Bus
2013-01-02-15:30 2013-01-02-16:00 Stay
2013-01-02-18:23 2013-01-02-19:40 Subway
2013-01-02-20:10 2013-01-02-23:33 Stay

* 파일이름
* 시작시간 종료시간 Action
* 시작시간 종료시간 Action
* 시작시간 종료시간 Action
* 시작시간 종료시간 Action

회의록

2013년 3월 19일 @ 한국외대 서울캠퍼스

• 참석자 : 박상원(한국외대), 이창환(동국대), Safetia(류정우), 허민오(서울대), 강영길(숭실대), 김제민(숭실대), 최영신(MDS), 박지웅(MDS), 김일환(MDS)
• 발표자료
  1. mLife_외대회의 및 API안_20130319_허민오.pptx (서울대) - mLife_설명서_20130320.pptx
  2. Web Preference Learning_20130319_강영길.pptx (숭실대)
  3. LogicalLogger_20130319_류정우.pptx (Satetia)
  4. ActionLogger_구조_및_개선방향_20130319.pptx (MDS)
  5. Card_20130319_이창환.pptx (동국대)
• 토의내용
  1. Action logger와 logical logger의 merge
     • 한국외대의 logical logger 소스 코드와 설명서를 MDS에 전달
  2. 서울대, 숭실대, Safetia 과제의 내용 파악
     • 위 발표자료의 내용을 모두가 숙지함. 특히 Google Now-like한 Card 시스템을 위한 것 위주로 설명
     • 의사소통을 원할히 하기 위하여 홈페이지를 만들고 이를 통하여 토의하기로 함
  3. 결정 사항
     • 제안하는 API를 Java API로 기술
     • 이창환 교수님이 정리한 Google Now 서비스를 보고 각자 현재의 과제 내용을 적용하여 개선된 서비스 도출 (특히 User preference를 Google Now의 각 카드에 적용하여 더 나은 방법 생각해 보기로 함)
     • MDS에서는 Card 내에 View, Control이 들어가는 구조를 미리 코드로 작성하기로 함.
     • 박상원 교수가 전체를 정리한 아키텍처를 그리고 이를 모두가 검토하기로 함.

제안된 API

1) mLife API (허민오)

1. Static API
   • POI_list = getAllPOIs()

     (POI_list :== list of POI)

   • Trip_list = getAllTrips()

     (Trip :== <seq of streets, action>, Trip_list :== list of Trips)

2. Inference API
   • observation :== <요일, 시간대, action, GPS 또는 street(CITUS거친결과)>

     Prob_POIs :== list of topN <POI, prob>

     Prob_Trips :== list of topN <Trip, prob>

   • 주기적으로 관측값이 push되고 즉시 추론하여 그 값이 유지될 경우의 API
     • Prob_POIs = getCurrentPOI(observation, topN)
     • Prob_Trips = getCurrentTrip(observation, topN)
   • Query가 있을 때에만 추론할 경우의 API
     • Prob_POIs = getCurrentPOI(seq of observation, topN)
     • Prob_Trips = getCurrentTrip(seq of observation, topN)

2) Web Preference Learning API (강영길)

1. 토픽 키워드 선호도 반환
   • public object[][] getTopicKeywordPref(String Category, int topN)
     • 입력 카테고리에 대한 토픽 키워드 선호도 상위 N개 반환
       • input : “스포츠”
       • output : {{“류현진”,0.00708}, {“손흥민”,0.00564}, …}
   • public object[][] getTopicKeywordPref(calendar time, int topN)
     • 현재 시간에 대해 가장 선호도가 높은 키워드 리스트 반환
       • input : new GregorianCalendar(13, 2, 20, 15,17), 10
       • output : {{“메시”,0.01170}, {“강예빈”,0.00402}, …}
   • public object[][] getCategoryPref(double[][] gps, int topN)
     • 현재 장소에 대해 가장 선호도가 높은 키워드 리스트 반환
       • input : {123.32,37.35}, 10
       • output : {{“맛집”,0.03170}, {“돈까스”,0.01402}, …}
2. 콘텐츠 선호도 계산
   • public double calcContentsPref(GregorianCalendar time, double[][] gps, String contentsType, String contentsCategory, double[][] contentsGPS, Object[][] contentsKeyword)
     • 사용자의 현재 상황(시간, 장소) 정보에 대해 추천 후보 콘텐츠의 선호도 값을 계산하여 반환
       • input : new GregorianCalendar(13, 2, 20, 15,17), {123.32,37.35}, “blog”, “음식”, {123,37}, {{“시장손칼국수“,0.4}, {“손칼국수”,0.3}, {“돈까스”,0.7}, … }
       • output : 0.0832
   • public double calcContentsPref(GregorianCalendar time, String contentsType, String contentsCategory, double[][] contentsGPS, Object[][] contentsKeyword)
     • 현재 시간에 대해 추천 후보 콘텐츠의 선호도 값을 계산하여 반환
   • public double calcContentsPref(double[][] gps, String contentsType, String contentsCategory, double[][] contentsGPS, Object[][] contentsKeyword)
     • 현재 장소에 대해 추천 후보 콘텐츠의 선호도 값을 계산하여 반환

3) Logical Logger 추론 API (Safetia)

1. 특정 시간 또는 특정 공간에서 선호하는 APP. (또는 APP. Category)
2. 특정 시간 또는 특정 공간에서 특정 APP.을 사용하였을 때 사용 가능성이 높은 APP.
3. 특정 시간 또는 특정 공간에서 특정 APP.을 사용한 후 사용할 가능성이 높은 APP.

공지

숭실대 서버 사용시간

루센이지(시터스 보정 프로그램)가 설치된 서버 이용시간 알려드립니다.

• 주소, id, password : 이메일 참조

회의

이 부분의 본문은 과제/모바일인지/2013/5월 7일 회의입니다.

Architecture

• 개선한 구조 및 데이터 포맷

Climate Sequence Diagram

• 과제/모바일인지/2013/ClimateCard Source - http://bramp.github.io/js-sequence-diagrams/

Bus Stop Sequence Diagram

• 과제/모바일인지/2013/BusStop Source - http://bramp.github.io/js-sequence-diagrams/

Reasoner 포함한 Sequence Diagram (김제민 박사, 허민오 공동 작업)

• 과제/모바일인지/2013/Reasoner Source - http://bramp.github.io/js-sequence-diagrams/

SNU Reasoner Sequence Diagram (OLD)

• 과제/모바일인지/2013/SNUReasoner Source - http://bramp.github.io/js-sequence-diagrams/