基于手机数据、天气状况与个体特质的日常压力识别
计算机与社会
2014-10-23 v1 机器学习
数据分析、统计与概率
应用统计
机器学习
摘要
研究已证明，压力会降低生活质量并引发多种疾病。为此，一些研究者设计了基于生理参数的压力检测系统。然而，这些系统要求用户持续佩戴侵入式传感器。在本文中，我们提出一种替代方法，证明日常压力可以基于行为指标被可靠地识别，这些指标源自用户的手机活动以及额外指标，如天气状况（反映环境瞬时属性的数据）和人格特质（反映个体持久倾向的数据）。我们的多因素统计模型与个体无关，在二分类日常压力识别问题上获得了 72.28% 的准确率。由于特征空间维度极低（32 维），该模型可高效实现于大多数多媒体应用。此外，我们识别并讨论了具有强预测能力的指标。
引用
@article{arxiv.1410.5816,
title = {Daily Stress Recognition from Mobile Phone Data, Weather Conditions and Individual Traits},
author = {Andrey Bogomolov and Bruno Lepri and Michela Ferron and Fabio Pianesi and Alex and Pentland},
journal= {arXiv preprint arXiv:1410.5816},
year = {2014}
}
备注
ACM Multimedia 2014, November 3-7, 2014, Orlando, Florida, USA