通过时间与特征注意力解释生态瞬时评估数据的聚类

在精神病理学领域，生态瞬时评估（EMA）研究提供了关于精神病理学相关变量（例如情感、行为等）的丰富实时个体数据。EMA数据是动态收集的，表示为复杂的多变量时间序列（MTS）。这些信息对于在个体和群体层面更好地理解精神障碍至关重要。更具体地说，对EMA数据中的个体进行聚类有助于揭示和研究群体中的共性以及变异。然而，由于聚类是一项无监督任务，且通常无法获得真实的EMA分组，因此聚类的评估极具挑战性。评估的一个重要方面是聚类的可解释性。因此，本文提出了一个基于注意力的可解释框架，以识别在区分聚类中起主要作用的重要时间点和变量。本研究的一个关键部分是检查分析、总结和解释注意力权重的方法，以及评估区分不同聚类的数据重要片段背后的模式。为了评估所提出的方法，使用了一个包含187名个体、分为3个聚类的EMA数据集来分析导出的基于注意力的重要性属性。更具体地说，该分析提供了聚类、特征和个体层面的独特特征。这种聚类解释有助于推广现有的精神障碍概念，发现新见解，甚至在个体层面增进我们的知识。