迈向使用智能手机数据的心理状态预测的深度学习模型：挑战与机遇
机器学习
2017-11-20 v1 人工智能
机器学习
摘要
利用移动感知技术和机器学习技术进行心理健康监测与干预的兴趣日益增长。研究者已有效使用情境信息，如移动性、通信和手机使用模式，来量化个体的情绪与幸福感。在本文中，我们研究了通过使用智能手机收集的地点信息来预测用户压力水平的神经网络模型的有效性。我们使用文献中提出的 GPS 指标刻画个体的移动模式，并将这些指标作为网络输入。我们在开源的 StudentLife 数据集上评估了我们的方法。此外，我们讨论了构建用于数字心理健康的机器学习模型所涉及的挑战与权衡，并强调了该方向上的潜在未来工作。
引用
@article{arxiv.1711.06350,
title = {Towards Deep Learning Models for Psychological State Prediction using Smartphone Data: Challenges and Opportunities},
author = {Gatis Mikelsons and Matthew Smith and Abhinav Mehrotra and Mirco Musolesi},
journal= {arXiv preprint arXiv:1711.06350},
year = {2017}
}
备注
6 pages, 2 figures, In Proceedings of the NIPS Workshop on Machine Learning for Healthcare 2017 (ML4H 2017). Colocated with NIPS 2017