TAO：基于时间分析与本体论从日常活动模式检测上下文

将细粒度活动检测（如手机响铃、穿插沉默和行走的交谈）转化为语义丰富且更有意义的上下文信息（如锻炼时接听20分钟电话）对于实现一系列医疗保健和人机交互应用至关重要。先前的工作已提出构建本体论或时间分析活动模式，但在捕获复杂真实世界上下文模式方面成效有限。我们提出了TAO，这是一个混合系统，利用基于OWL的本体论和时间聚类方法来检测人类活动的高级上下文。TAO能够表征顺序发生的活动以及交错或并行发生的活动，从而比先前工作更准确地检测更丰富的上下文。我们使用真实世界的活动数据集（Casas和Extrasensory）对TAO进行了评估，结果显示我们的系统分别在上下文检测方面实现了87%和80%的平均准确率。我们还在真实世界环境中部署并评估了TAO，让八名参与者每人使用我们的系统三个小时，证明了TAO捕获语义有意义上下文的能力。最后，为了展示上下文的实用性，我们原型化了评估生产力和压力的健康应用，结果表明使用TAO提供的上下文计算的健康指标与真值非常接近（平均误差1.1%），而基线方法平均误差为30%。