SCOrE: um serviço de classificação de usuários móveis com base em seus aplicativos e suas cidades
Resumo
Tem-se percebido um aumento significativo na coleta e disponibilidade de dados oriundos de dispositivos móveis. Esses dados, em sua maioria geolocalizados, podem ser usados para se extrair o perfil de comportamento e interesse de usuários. Com isso, empresas podem oferecer serviços melhores e mais personalizados, e a comunidade científica pode avançar no entendimento sobre o comportamento humano. Neste contexto, este trabalho investiga se é possível extrair com qualidade o perfil de usuários móveis considerando apenas os aplicativos instalados, a população e o PIB/capita da cidade do usuário. Foi criado o serviço SCOrE que classifica o usuário em três perspectivas: interesses em locais específicos, visitas a regiões com características funcionais específicas e mobilidade. Com isso, foi possível entender alguns interesses de usuários móveis com base em dados menos invasivos dos mesmos, avançando assim o conhecimento sobre a área.
Palavras-chave:
Computação móvel, Computação Urbana, Serviços baseados em localização
Referências
Abel, F., Gao, Q., Houben, G.-J., and Tao, K. (2011). Semantic enrichment of twitter posts for user profile construction on the social web. In Extended semantic web conference, pages 375–389. Springer.
Alvarez-Lozano, J., Osmani, V., Mayora, O., Frost, M., Bardram, J., Faurholt-Jepsen, M., and Kessing, L. V. (2014). Tell me your apps and i will tell you your mood: correlation of apps usage with bipolar disorder state. In Proceedings of the 7th International Conference on PErvasive Technologies Related to Assistive Environments, pages 1–7.
Capanema, C., Silva, F. A., and Braga, T. M. (2019). Identificação e classificação de pontos de interesse individuais com base em dados esparsos. In Anais Principais do XXXVII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 15–28. SBC.
da Silva Ferreira, C., dos Santos Figueiredo, L. J. A., Silva, F. A., and Silva, T. R. B. (2021). Inferindo traços de personalidade com base em aplicativos móveis. In Anais do XIII Simpósio Brasileiro de Computação Ubíqua e Pervasiva, pages 162–171. SBC.
Do, T.-M.-T. and Gatica-Perez, D. (2010). By their apps you shall understand them: mining large-scale patterns of mobile phone usage. In Proceedings of the 9th international conference on mobile and ubiquitous multimedia, pages 1–10.
Figueiredo, L. J., dos Santos, G. B., Souza, R. P., Silva, F. A., and Silva, T. R. B. (2021). Moredata: A geospatial data enrichment framework. In Proceedings of the 29th International Conference on Advances in Geographic Information Systems, pages 419–422.
Intelligence, G. (2019). The mobile economy 2019. online.
Li, Q., Zheng, Y., Xie, X., Chen, Y., Liu,W., and Ma,W.-Y. (2008). Mining user similarity based on location history. In Proceedings of the 16th ACM SIGSPATIAL international conference on Advances in geographic information systems, pages 1–10.
Malmi, E. and Weber, I. (2016). You are what apps you use: Demographic prediction based on user’s apps. arXiv preprint arXiv:1603.00059.
Pappalardo, L., Simini, F., Rinzivillo, S., Pedreschi, D., Giannotti, F., and Barabási, A.-L. (2015). Returners and explorers dichotomy in human mobility. Nature communications, 6(1):1–8.
Sahoo, S. R. and Gupta, B. B. (2021). Multiple features based approach for automatic fake news detection on social networks using deep learning. Applied Soft Computing, 100:106983.
Sardianos, C., Varlamis, I., and Bouras, G. (2018). Extracting user habits from google maps history logs. In 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM), pages 690–697. IEEE.
Seneviratne, S., Seneviratne, A., Mohapatra, P., and Mahanti, A. (2015). Your installed apps reveal your gender and more! ACM SIGMOBILE Mobile Computing and Communications Review, 18(3):55–61.
Silva, F. A., Domingues, A. C. S. A., and Silva, T. R. M. B. (2018). Discovering mobile application usage patterns from a large-scale dataset. ACM Trans. Knowl. Discov. Data, 12(5).
Varlamis, I., Sardianos, C., and Bouras, G. (2020). Mining habitual user choices from google maps history logs. In Putting Social Media and Networking Data in Practice for Education, Planning, Prediction and Recommendation, pages 151–175. Springer.
Yu, D., Li, Y., Xu, F., Zhang, P., and Kostakos, V. (2018). Smartphone app usage prediction using points of interest. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 1(4):1–21.
Alvarez-Lozano, J., Osmani, V., Mayora, O., Frost, M., Bardram, J., Faurholt-Jepsen, M., and Kessing, L. V. (2014). Tell me your apps and i will tell you your mood: correlation of apps usage with bipolar disorder state. In Proceedings of the 7th International Conference on PErvasive Technologies Related to Assistive Environments, pages 1–7.
Capanema, C., Silva, F. A., and Braga, T. M. (2019). Identificação e classificação de pontos de interesse individuais com base em dados esparsos. In Anais Principais do XXXVII Simpósio Brasileiro de Redes de Computadores e Sistemas Distribuídos, pages 15–28. SBC.
da Silva Ferreira, C., dos Santos Figueiredo, L. J. A., Silva, F. A., and Silva, T. R. B. (2021). Inferindo traços de personalidade com base em aplicativos móveis. In Anais do XIII Simpósio Brasileiro de Computação Ubíqua e Pervasiva, pages 162–171. SBC.
Do, T.-M.-T. and Gatica-Perez, D. (2010). By their apps you shall understand them: mining large-scale patterns of mobile phone usage. In Proceedings of the 9th international conference on mobile and ubiquitous multimedia, pages 1–10.
Figueiredo, L. J., dos Santos, G. B., Souza, R. P., Silva, F. A., and Silva, T. R. B. (2021). Moredata: A geospatial data enrichment framework. In Proceedings of the 29th International Conference on Advances in Geographic Information Systems, pages 419–422.
Intelligence, G. (2019). The mobile economy 2019. online.
Li, Q., Zheng, Y., Xie, X., Chen, Y., Liu,W., and Ma,W.-Y. (2008). Mining user similarity based on location history. In Proceedings of the 16th ACM SIGSPATIAL international conference on Advances in geographic information systems, pages 1–10.
Malmi, E. and Weber, I. (2016). You are what apps you use: Demographic prediction based on user’s apps. arXiv preprint arXiv:1603.00059.
Pappalardo, L., Simini, F., Rinzivillo, S., Pedreschi, D., Giannotti, F., and Barabási, A.-L. (2015). Returners and explorers dichotomy in human mobility. Nature communications, 6(1):1–8.
Sahoo, S. R. and Gupta, B. B. (2021). Multiple features based approach for automatic fake news detection on social networks using deep learning. Applied Soft Computing, 100:106983.
Sardianos, C., Varlamis, I., and Bouras, G. (2018). Extracting user habits from google maps history logs. In 2018 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining (ASONAM), pages 690–697. IEEE.
Seneviratne, S., Seneviratne, A., Mohapatra, P., and Mahanti, A. (2015). Your installed apps reveal your gender and more! ACM SIGMOBILE Mobile Computing and Communications Review, 18(3):55–61.
Silva, F. A., Domingues, A. C. S. A., and Silva, T. R. M. B. (2018). Discovering mobile application usage patterns from a large-scale dataset. ACM Trans. Knowl. Discov. Data, 12(5).
Varlamis, I., Sardianos, C., and Bouras, G. (2020). Mining habitual user choices from google maps history logs. In Putting Social Media and Networking Data in Practice for Education, Planning, Prediction and Recommendation, pages 151–175. Springer.
Yu, D., Li, Y., Xu, F., Zhang, P., and Kostakos, V. (2018). Smartphone app usage prediction using points of interest. Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies, 1(4):1–21.
Publicado
31/07/2022
Como Citar
FIGUEIREDO, Leonardo J. A. S.; SANTOS, Germano B. dos; SOUZA, Raissa P. P. M.; SILVA, Fabrício A.; SILVA, Thais R. M. B.; LOUREIRO, Antonio A. F..
SCOrE: um serviço de classificação de usuários móveis com base em seus aplicativos e suas cidades. In: SIMPÓSIO BRASILEIRO DE COMPUTAÇÃO UBÍQUA E PERVASIVA (SBCUP), 14. , 2022, Niterói.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 21-30.
ISSN 2595-6183.
DOI: https://doi.org/10.5753/sbcup.2022.222828.
