Evaluating Machine Learning Algorithms for Prediction of the Adverse Valence Index Based on the Photographic Affect Meter
Evaluating Machine Learning Algorithms for Prediction of the Adverse Valence Index Based on the Photographic Affect Meter
复制标题
基于摄影影响计评估用于预测不良效价指数的机器学习算法
DOI：
10.1145/3325426.3329948
复制
发表时间：
2019
期刊：
影响因子：
--
通讯作者：
Mikelsons G
中科院分区：
文献类型：
--
作者：
Mikelsons G
近年来，许多研究探索了使用机器学习算法来支持社会和临床心理学的应用。特别是，通过嵌入式传感器和有效的现场调查问卷收集数据的基于智能手机的技术越来越普遍。然后构建模型来探索这些数据类型之间的模式。本文基于摄影式情感测量仪的数据，研究了机器学习在预测不良情绪心理状态中的应用。我们提出了一种技术，每天聚集，这是为了检测重大的负面事件。使用各种功能作为输入，包括基于GPS的指标和评估社交互动，睡眠和电话使用的功能。实验证据，这表明，机器学习算法可以成功地用于这样的预测任务。
In recent years, numerous studies have explored the use of machine learning algorithms for supporting applications in social and clinical psychology. In particular, there is an increasing prevalence of smartphone-based techniques for collecting data through embedded sensors and efficient in-situ questionnaires. Models are then built to explore the patterns between these data types. In this paper, we study the application of machine learning for the task of predicting mental states of adverse valence, based on the Photographic Affect Meter data. We present a technique for daily aggregation, which is designed to detect significant negative events. A variety of features is used as input, including GPS-based metrics and features assessing social interactions, sleep and phone usage. Experimental evidence is presented, which suggests that machine learning algorithms could successfully be employed for such a prediction task.
登录
查看更多内容
设计有效的运动数字生物标记，用于不引人注目的情绪状态移动监测
DOI：
10.1145/3089341.3089342
发表时间：
2017
期刊：
--
影响因子：
--
作者：
Mehrotra A
通讯作者：
Mehrotra A
PAM：一种摄影情感测量仪，用于频繁、现场测量情感
DOI：
--
发表时间：
2011
期刊：
International Conference on Human Factors in Computing Systems
影响因子：
--
作者：
J. P. Pollak;Phil Adams;Geri Gay
通讯作者：
Geri Gay
迈向健康推荐系统：一种通过移动数据提供自动个性化健康反馈的方法
DOI：
--
发表时间：
2017
期刊：
Mobile Health - Sensors, Analytic Methods, and Applications
影响因子：
--
作者：
Mashfiqui Rabbi;M. Aung;Tanzeem Choudhury
通讯作者：
Tanzeem Choudhury
使用智能手机数据进行心理状态预测的深度学习模型：挑战和机遇
DOI：
--
发表时间：
2017
期刊：
ArXiv
影响因子：
--
作者：
Gatis Mikelsons;Matthew Smith;Abhinav Mehrotra;Mirco Musolesi
通讯作者：
Mirco Musolesi
使用移动设备进行个性化干预的演员批评家上下文强盗算法
DOI：
--
发表时间：
2014
期刊：
影响因子：
--
作者：
Ambuj Tewari;S. Murphy
通讯作者：
S. Murphy