基于非负矩阵分解利用手机数据量化活动与睡眠节律及睡眠类型的办法
计算机与社会
2020-09-22 v1 机器学习
物理与社会
摘要
人类活动遵循每日、每周和季节性的节律。这些节律的出现与生理和自然周期以及社会建构有关。人体和生物功能经历近 24 小时的节律(昼夜节律)。这些节律的频率在人群间或多或少相似，但其相位不同。在计时生物学文献中，基于在一天中不同时段睡眠的倾向，人们被分为晨型、夜型和中间型群体，称为 \textit{chronotypes} (睡眠类型)。这种分类通常基于精心设计的问卷或利用人们活动时机数据手工构建的特征。在此我们开发了一种完全数据驱动(无监督)的方法来将个体时间活动模式分解为若干分量。其优势在于不包含任何关于睡眠和活动时段的预定假设，但结果完全依赖于上下文，并由活动数据中最显著的特征决定。利用 400 人手机屏幕使用日志的年度数据集，我们发现了四个涌现的时间分量：早晨活动、夜间活动、傍晚活动和正午活动。个体行为可归约为在这些四个分量上的权重。我们未观察到基于权重的任何清晰涌现人群类别，而是个体依据其活动时机被置于连续谱上。早晨和夜间分量的高载荷与就寝和起床时间高度相关。我们的工作指向一种数据驱动的方式来根据个体完整的每日和每周活动与行为节律对其进行分类，而非主要聚焦于其睡眠时段的时机。
引用
@article{arxiv.2009.09914,
title = {A Non-negative Matrix Factorization Based Method for Quantifying Rhythms of Activity and Sleep and Chronotypes Using Mobile Phone Data},
author = {Talayeh Aledavood and Ilkka Kivimäki and Sune Lehmann and Jari Saramäki},
journal= {arXiv preprint arXiv:2009.09914},
year = {2020}
}