无限层次对比聚类用于个人数字环境分型

日常环境对我们的健康和行为有着深远的影响。最近的研究表明，通过应用于在生态情境评估(EMA)期间拍摄的日常环境图像的数字环境分型技术，可以用于识别环境特征与感兴趣健康结果之间的有意义关系。为了系统地研究这些在个人层面上的影响，有助于将图像分组为个体日常生活中遇到的不同环境；这些环境可以进一步被分析、分组为具有相似特征的相关环境，并与健康结果关联。本文介绍无限层次对比聚类以解决这一挑战。基于已建立的对比聚类框架，我们的方法 a) 允许任意数量的簇，而无需采用完整的Dirichlet过程机器，通过在预测簇概率上放置破碎先验实现；b) 通过纳入受试者特定的预测损失，鼓励不同环境在每个相关环境簇内形成明确的子簇。我们的实验表明，该模型有效地识别了不同的个人环境，并将这些环境分组为有意义的环境类型。我们随后展示了所得簇如何与各种健康结果关联，凸显了该方法在推动环境分型范式方面的潜力。