dpMood:利用局部与周期性打字动态进行个性化情绪预测
人机交互
2018-08-30 v1 计算机与社会
摘要
情绪障碍十分常见,并与显著的发病率和死亡率相关。早期诊断有潜力大幅减轻精神疾病的负担以及对家庭和社会日益增长的成本。移动设备为我们提供了一种以不引人注意的方式检测用户情绪的有前景的机会。在本研究中,我们使用一个自定义键盘来收集按键元数据和加速度计数值。基于所收集的多模态时间序列数据,我们提出一种称为 {\pro} 的深度学习个性化情绪预测方法,通过整合卷积与循环深度架构并探索每个人的昼夜节律(circadian rhythm)。实验结果不仅证明了使用智能手机元数据预测双相情感障碍受试者情绪障碍存在与严重程度的可行性与有效性,也展示了情绪障碍个性化医疗的潜力。
引用
@article{arxiv.1808.09852,
title = {dpMood: Exploiting Local and Periodic Typing Dynamics for Personalized Mood Prediction},
author = {He Huang and Bokai Cao and Philip S. Yu and Chang-Dong Wang and Alex D. Leow},
journal= {arXiv preprint arXiv:1808.09852},
year = {2018}
}
备注
Published in ICDM'18 as a regular paper