SleepNet：利用动态社交网络的注意力增强鲁棒睡眠预测
机器学习
2024-01-30 v2 人工智能
社会与信息网络
信号处理
摘要
睡眠行为显著影响健康，并作为身心健康状况的指标。因此，利用普适传感器监测和预测睡眠行为有助于睡眠管理及相关健康状况的追踪。虽然睡眠行为取决于个人的生理状态并反映在其生理特征中，但它也受到外部因素的影响，如数字媒体使用、社交网络传染以及周围天气。在本研究中，我们提出了 SleepNet，该系统通过图网络利用睡眠行为中的社交传染，并将其与从普适移动和可穿戴设备中提取的生理数据和手机数据相结合，以预测关于睡眠时长的次日睡眠标签。我们的架构通过设计一种注意力机制，克服了包含与睡眠行为无关连接的大规模图的局限性。广泛的实验评估突显了将社交网络纳入模型所带来的改进。此外，我们进行了鲁棒性分析以证明系统在真实生活条件下的性能。结果肯定了 SleepNet 对输入数据扰动的稳定性。进一步的分析强调了网络拓扑在预测性能中的重要性，揭示了具有较高特征值中心性的用户更容易受到数据扰动的影响。
引用
@article{arxiv.2401.11113,
title = {SleepNet: Attention-Enhanced Robust Sleep Prediction using Dynamic Social Networks},
author = {Maryam Khalid and Elizabeth B. Klerman and Andrew W. Mchill and Andrew J. K. Phillips and Akane Sano},
journal= {arXiv preprint arXiv:2401.11113},
year = {2024}
}
备注
Accepted for publication in Proceedings of the ACM on Interactive, Mobile, Wearable and Ubiquitous Technologies (IMWUT), 8 (March 2024)