利用 LLM 预测基于智能手机传感器特征的情感状态
人机交互
2024-07-12 v1 人工智能
摘要
随着年轻人精神健康问题日益成为突出的公共卫生 concern，基于智能手机传感器特征的日常数字情绪监测以实现早期检测正逐渐成为重要的研究方向。数字表型学涉及收集和分析来自个人数字设备（如智能手机和可穿戴设备）的数据，用于推断行为和精神健康。虽然这些数据通常使用统计和机器学习方法进行分析，但大型语言模型 (LLM) 的出现为从智能手机传感数据中进行意义提炼提供了新方法。尽管 LLM 在各个领域表现出色，但在数字精神健康领域，尤其是在整合移动传感数据方面，仍鲜有被探索。我们的研究旨在弥合这一差距，通过利用 LLM 基于智能手机传感数据预测情感结果。我们展示了零样本和少样本嵌入 LLM 在推断一般 wellbeing 方面的有效性。我们的发现表明，LLM 仅凭智能手机传感数据就能够对情感度量作出有前景的预测。这项研究为 LLM 在情感状态预测和数字表型学任务中的应用指明了潜在方向。据我们所知，这是首个利用 LLM 进行情感状态预测和数字表型学任务的工作。
引用
@article{arxiv.2407.08240,
title = {Leveraging LLMs to Predict Affective States via Smartphone Sensor Features},
author = {Tianyi Zhang and Songyan Teng and Hong Jia and Simon D'Alfonso},
journal= {arXiv preprint arXiv:2407.08240},
year = {2024}
}