基于 LSTM 的多标签分类预测用户特定未来活动
机器学习
2023-10-18 v2 人工智能
人机交互
摘要
基于既往活动预测医疗领域中的用户特定未来活动可大幅改善护士提供的服务。这是一项挑战，因为与其他领域不同，医疗中的活动同时涉及护士和患者，且随小时变化。本文中，我们采用多种数据处理技术来组织与修改数据结构，并使用基于 LSTM 的多标签分类器进行新颖的两阶段训练方法（用户无关预训练与用户特定微调）。我们的实验取得了 31.58% 的验证准确率、57.94% 的精确率、68.31% 的召回率和 60.38% 的 F1 分数。我们得出结论：恰当的数据预处理与两阶段训练过程带来了更好的性能。本实验是我们团队“Not A Fan of Local Minima”参与的“第四届护士护理活动识别挑战赛”的一部分。
引用
@article{arxiv.2211.03100,
title = {Predicting User-specific Future Activities using LSTM-based Multi-label Classification},
author = {Mohammad Sabik Irbaz and Fardin Ahsan Sakib and Lutfun Nahar Lota},
journal= {arXiv preprint arXiv:2211.03100},
year = {2023}
}
备注
Accepted at the Proceedings of the 4th International Conference on Activity and Behavior Computing 2022 (ABC 2022) Reference: https://abc-research.github.io/challenge2022/results/