사회적 손질은 사회적 유대 강화, 사회적 계층 강화, 스트레스 감소 등 다양한 사회적 기능을 제공하는 많은 영장류 종에서 광범위한 행동입니다. 이전 연구에 따르면 사회적 손질은 동물성 센서에서 수집 한 가속 신호의 시각적 관찰 또는 수동 주석에 의해 식별 될 수 있습니다. 그러나 이러한 수동 라벨링은 시간이 많이 걸리며 전문 지식이 필요합니다. 야생 영장류에서 사회적 손질 행동의 대규모 모니터링을 용이하게하기 위해, 우리는 가속 신호에서 사회적 손질의 자동 식별을위한 기계 학습 접근법을 제안합니다. 우리는 100 시간 이상의 사회적 손질과 500 시간 이상의 비 사회적 손질 활동을 포함하는 야생 개코 원숭이 (_papio anubis_)에서 수집 한 가속 신호 데이터 세트를 개발했습니다. 이 데이터 세트는 지원 벡터 기계, 의사 결정 트리 및 임의의 산림을 포함한 다양한 기계 학습 모델을 교육하고 테스트하는 데 사용되었습니다. 우리의 결과에 따르면 최상의 모델 인 Random Forest는 사회적 손질 이벤트를 식별하는 데 96.2%의 정확도와 94.5%의 정확도를 달성했음을 보여줍니다. 제안 된 접근법은 야생 동물의 사회적 손질 행동에 대한 자동 및 대규모 식별에 유망하며, 이는 영장류 사회적 행동에 대한 우리의 이해에 기여하고 보존 및 관리 노력을위한 귀중한 정보를 제공 할 수 있습니다.