基于移动感知的情绪推断模型的泛化与个性化：对八国大学生的分析
人机交互
2022-11-08 v1 计算机与社会
多媒体
摘要
基于移动感知数据的情绪推断在过去十年的普适计算（ubicomp）文献中已被广泛研究。该推断可在通用移动应用中实现情境感知与个性化用户体验，并在移动健康应用中提供有价值的反馈与干预。然而，尽管许多研究强调了模型泛化问题，焦点始终在于利用不同感知模态与机器学习技术、在 homogeneous 人群所采集数据集上提升模型准确率。相比之下，较少有关注用于评估模型是否能泛化至新国家的情绪推断模型性能的研究。在本研究中，我们采集了一个移动感知数据集，包含来自八个国家（中国、丹麦、印度、意大利、墨西哥、蒙古、巴拉圭、英国）678 名参与者的 329K 份自我报告，以评估地理多样性对情绪推断模型的影响。我们定义并评估了国家特定（在一国之内训练与测试）、大洲特定（在一大洲之内训练与测试）、国家无关（在训练数据未出现过的国家上测试）和多国（多国数据上训练与测试）方法，这些方法基于传感器数据训练，用于两项情绪推断任务，采用人群级（非个性化）与混合（部分个性化）模型。我们表明，部分个性化的国家特定模型表现最佳，在二分类（负向 vs. 正向效价）推断中接收者操作特征曲线下面积（AUROC）得分为 0.78-0.98，在三分类（负向 vs. 中性 vs. 正向效价）推断中为 0.76-0.94。总体而言，我们揭示了情绪推断模型向新国家泛化的问题，以及国家间地理相似性可能影响情绪推断的方式。
引用
@article{arxiv.2211.03009,
title = {Generalization and Personalization of Mobile Sensing-Based Mood Inference Models: An Analysis of College Students in Eight Countries},
author = {Lakmal Meegahapola and William Droz and Peter Kun and Amalia de Gotzen and Chaitanya Nutakki and Shyam Diwakar and Salvador Ruiz Correa and Donglei Song and Hao Xu and Miriam Bidoglia and George Gaskell and Altangerel Chagnaa and Amarsanaa Ganbold and Tsolmon Zundui and Carlo Caprini and Daniele Miorandi and Alethia Hume and Jose Luis Zarza and Luca Cernuzzi and Ivano Bison and Marcelo Rodas Britez and Matteo Busso and Ronald Chenu-Abente and Can Gunel and Fausto Giunchiglia and Laura Schelenz and Daniel Gatica-Perez},
journal= {arXiv preprint arXiv:2211.03009},
year = {2022}
}
备注
ACM IMWUT 2022, To be presented at ACM Ubicomp 2023