DeepMood：建模手机打字动态以进行情绪检测
人机交互
2018-03-28 v1 人工智能
摘要
电子通信形式使用的增加为心理健康研究提供了新的机会，包括能够在患者的日常生活中不引人注目地调查精神疾病表现的能力。一项探索双相情感障碍与手机使用之间可能联系的试点研究已经进行。在这项研究中，参与者获得了一部手机作为他们的主要手机。该手机安装了自定义键盘，收集由按键输入时间和加速度计运动组成的元数据。出于隐私考虑，除退格键和空格键外，未收集单个字符数据。我们提出了一种基于后期融合的端到端深度架构，命名为 DeepMood，以对多视图元数据进行建模来预测情绪得分。实验结果表明，基于通常不到一分钟的会话级手机打字动态，可以实现 90.31% 的抑郁得分预测准确率。这证明了使用手机元数据来推断情绪障碍和严重程度的可行性。
引用
@article{arxiv.1803.08986,
title = {DeepMood: Modeling Mobile Phone Typing Dynamics for Mood Detection},
author = {Bokai Cao and Lei Zheng and Chenwei Zhang and Philip S. Yu and Andrea Piscitello and John Zulueta and Olu Ajilore and Kelly Ryan and Alex D. Leow},
journal= {arXiv preprint arXiv:1803.08986},
year = {2018}
}
备注
KDD 2017