WorkR：用于智能任务辅助的职业推断

职业信息可被数字助理用于提供针对特定职业的个性化任务支持，包括中断管理、任务规划和推荐。之前数字工作助理领域的研究需要用户输入其职业信息以获得有效支持。然而，由于许多人每天在多个职业之间切换，当前解决方案在没有持续用户输入的情况下无法正常工作。为了解决这个问题，本研究提出了WorkR，这是一个利用被动传感从各种任务活动中捕捉普遍信号的框架，解决了三个挑战：缺乏被动传感架构、职业特征个性化以及发现职业变量之间的潜在关系。我们认为来自应用程序使用、运动、社交互动和环境的信号可以推断用户的职业。WorkR使用变分自编码器（VAE）导出潜在特征来训练模型以推断职业。我们使用匿名化、富含上下文的活动和任务日志数据集进行的实验表明，我们的模型可以准确推断职业，在六个ISO职业类别中准确率超过91%。