基于移动感知与多任务学习的罕见生活事件检测
机器学习
2023-06-01 v1 人机交互
摘要
罕见生活事件对心理健康有显著影响，在行为研究中检测这些事件是实现基于健康干预的关键一步。我们设想可利用移动感知数据来检测这些异常。然而，该问题以人为中心的性质，加上此类事件发生频率低且独特，使得无监督机器学习方法面临挑战。本文中，我们首先利用感知数据研究生活事件与人类行为之间的格兰杰因果关系。接着，我们提出一个多任务框架，包含一个用于捕捉不规则行为的无监督自编码器，以及一个用于识别工作表现转变以对事件进行情境化的辅助序列预测器。我们使用一项移动感知研究的数据进行实验，该研究包含来自多个行业的 N=126 名信息工作者，跨度 10106 天，其中有 198 个罕见事件（<2%）。通过个性化推断，我们以 0.34 的 F1 值检测出罕见事件发生的确切日期，表明我们的方法优于多个基线。最后，我们从实际部署的角度讨论了本工作的意义。
引用
@article{arxiv.2305.20056,
title = {Rare Life Event Detection via Mobile Sensing Using Multi-Task Learning},
author = {Arvind Pillai and Subigya Nepal and Andrew Campbell},
journal= {arXiv preprint arXiv:2305.20056},
year = {2023}
}
备注
15 pages, 4 figures, CHIL 2023 (Accepted)