背景問題

位置簽到（check-in）包含位置和語義信息，user在簽到的同時，可能泄漏遠遠超出他們想象的個人信息。

以前研究的不足

utility：可理解為用戶體驗。

以前有量化用戶隱私的，但很少有研究關注用戶體驗utility的損失。

本文貢獻

1. 研究位置簽到背后的user動機，基于此，首次提出預測user動機的機器學習方法；

2. 設計了一個utility loss函數(shù)，可作為隱私保護方法設計的一個基礎；

3. 基于Foursquare用戶調查結果，研究了utility和隱私之間的平衡。

原理

在 Foursquare 認真選了 77個用戶參與調研。

定義了四種混淆等級：

用戶簽到的動機占比

將utility分級，1-5,1 為“一點也不”，5為“叵費（完美）”。

調研utility情況：

不同混淆級別的utility值

特別的，簽到目的影響不小，對于2種混淆對應的utility。

基于簽到目的的自動utility預測模型：

工作流程

特征提?。?/p>

1. 結構化的地點信息：用 Foursquare API；

2. 非結構化的文本描述信息： 用 Python NLP toolkit (NLTK 3.0) 提取低級文本特征，樸素貝葉斯分類器通過低級文本特征提取高級文本特征（i.e. 心情）。

3. 混合類型特征：為提取地點信息和文本信息之間的相關性，計算了最長子字符串和Levenshtein距離。

機器學習推測簽到目的： 得到簽到的特征向量后，用多類（multi-classes）分類器進行分類。經(jīng)過多重分類器實驗，本文選用于本文數(shù)據(jù)集效果最好的隨機森林進行分類。

基于簽到目的的utility模型：

定義? utility u = f（m, o, k）∈ [1, 5]；

13種簽到目的 m ∈ {1, . . . , 13}；

混淆 o = (os, og)，其中?os, og ∈ {1, 2}（1為low，2為high）；

k = （k1, . . . , kn） 是地點特征和用戶特征。

首先，使用真實的用戶目的，研究utility、混淆和動機的關系；然后，用上述的推測目的，研究三者關系。以此，驗證自動推測方法的效果。

utility的線性回歸方程

同時，也將上線性回歸方程與一個非線性模型作對比。(M5P model?tree technique [34], by using the WEKA toolkit).

可被混淆的比例，橫軸為utility值

測試結果，詳情分析略。