利用社交图网络进行情绪预测

情绪预测在心理健康与情绪感知计算中起着重要作用。情绪因其依赖于个人的生理健康、心理状态及周围环境而具有复杂性，这使其预测成为一项具有挑战性的任务。在本工作中，我们利用移动感知数据预测幸福度与压力。除个人的生理特征外，我们还通过天气与社交网络纳入环境的影响。为此，我们利用手机数据构建社交网络，并开发一种机器学习架构，该架构聚合图网络中多用户的信息，并将其与数据的时间动态相结合，以预测所有用户的情绪。社交网络的构建不会在生态瞬时评估（EMA）或用户数据收集方面产生额外成本，也不会引发隐私问题。我们提出了一种自动化整合用户社交网络情绪预测的架构，能够处理现实社交网络的动态分布，从而可扩展至大规模网络。我们广泛的评估凸显了整合社交网络所带来的改进。我们进一步研究了图拓扑对模型性能的影响。