論文の概要: Theory-based Habit Modeling for Enhancing Behavior Prediction
- arxiv url: http://arxiv.org/abs/2101.01637v1
- Date: Tue, 5 Jan 2021 16:42:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-11 14:15:21.183099
- Title: Theory-based Habit Modeling for Enhancing Behavior Prediction
- Title（参考訳）: 行動予測強化のための理論に基づく習慣モデル
- Authors: Chao Zhang, Joaquin Vanschoren, Arlette van Wissen, Daniel Lakens,
Boris de Ruyter, and Wijnand A. IJsselsteijn
- Abstract要約: 観測可能な行動に基づいて,インテリジェントなシステムが習慣強度を算出する手法を提案する。
将来のブラッシング行動を予測するための課題として, 習慣強度の計算は, 自発的な習慣強度よりも明らかに優れていた。
- 参考スコア（独自算出の注目度）: 10.235530268703698
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Psychological theories of habit posit that when a strong habit is formed
through behavioral repetition, it can trigger behavior automatically in the
same environment. Given the reciprocal relationship between habit and behavior,
changing lifestyle behaviors (e.g., toothbrushing) is largely a task of
breaking old habits and creating new and healthy ones. Thus, representing
users' habit strengths can be very useful for behavior change support systems
(BCSS), for example, to predict behavior or to decide when an intervention
reaches its intended effect. However, habit strength is not directly observable
and existing self-report measures are taxing for users. In this paper, built on
recent computational models of habit formation, we propose a method to enable
intelligent systems to compute habit strength based on observable behavior. The
hypothesized advantage of using computed habit strength for behavior prediction
was tested using data from two intervention studies, where we trained
participants to brush their teeth twice a day for three weeks and monitored
their behaviors using accelerometers. Through hierarchical cross-validation, we
found that for the task of predicting future brushing behavior, computed habit
strength clearly outperformed self-reported habit strength (in both studies)
and was also superior to models based on past behavior frequency (in the larger
second study). Our findings provide initial support for our theory-based
approach of modeling user habits and encourages the use of habit computation to
deliver personalized and adaptive interventions.
- Abstract（参考訳）: 習慣の心理学的理論は、強い習慣が行動の反復によって形成されるとき、同じ環境で自動的に行動を起こすと仮定する。
習慣と行動の相互関係を考えると、ライフスタイルの変化(例えば歯ブラシ)は、主に古い習慣を破り、新しい健康な習慣を創造するタスクである。
このように、ユーザの習慣の強さを表すことは、行動変化支援システム(BCSS)にとって非常に有用であり、例えば、行動予測や介入が意図した効果に達するかどうかの決定に役立ちます。
しかし、習慣の強さは直接観察できず、既存の自己申告措置はユーザに課税されている。
本稿では,最近の習慣形成の計算モデルに基づいて,知的システムが観察可能な行動に基づいて習慣強度を計算する方法を提案する。
2つの介入研究から得られたデータを用いて,1日2回歯を磨くことを3週間訓練し,加速度計を用いて行動監視を行った。
階層的クロスバリデーションにより, 将来のブラッシング行動を予測する作業において, 計算された習慣強度は, 自己申告された習慣強さよりも明らかに優れており, 過去の行動頻度に基づくモデルよりも優れていることがわかった。
本研究は,ユーザの習慣をモデル化する理論に基づくアプローチを最初に支援し,個人化された適応的な介入を実現するための習慣計算の利用を促す。
関連論文リスト
- Causal Estimation of Memorisation Profiles [58.20086589761273]
言語モデルにおける記憶の理解は、実践的および社会的意味を持つ。
覚書化(英: Memorisation)とは、モデルがそのインスタンスを予測できる能力に対して、あるインスタンスでトレーニングを行うことによる因果的影響である。
本稿では,計量学の差分差分設計に基づく,新しい,原理的,効率的な記憶推定法を提案する。
論文 参考訳（メタデータ） (2024-06-06T17:59:09Z) - Persuading to Prepare for Quitting Smoking with a Virtual Coach: Using
States and User Characteristics to Predict Behavior [0.0]
説得者の状態と特徴は、説得的メッセージを選択するためのより効果的なアルゴリズムのための有望なコンポーネントである。
我々は,仮想コーチが喫煙をやめるための準備活動を行うように,毎日671人の喫煙者を説得した縦断的研究を行った。
このRL-approachを用いて、状態を考えることは行動と将来の状態の両方を予測するのに役立ちます。
論文 参考訳（メタデータ） (2023-04-05T07:31:29Z) - Improving Adaptive Conformal Prediction Using Self-Supervised Learning [72.2614468437919]
我々は、既存の予測モデルの上に自己教師付きプレテキストタスクを持つ補助モデルを訓練し、自己教師付きエラーを付加的な特徴として用いて、非整合性スコアを推定する。
合成データと実データの両方を用いて、効率(幅)、欠陥、共形予測間隔の超過といった付加情報の利点を実証的に実証する。
論文 参考訳（メタデータ） (2023-02-23T18:57:14Z) - Incorporating Heterogeneous User Behaviors and Social Influences for
Predictive Analysis [32.31161268928372]
我々は,行動予測に異質なユーザ行動と社会的影響を取り入れることを目指している。
本稿では,行動シーケンスのコンテキストを考慮したLong-Short Term Memory (LSTM)を提案する。
残差学習に基づくデコーダは、社会的行動表現に基づいて、複数の高次クロス機能を自動的に構築するように設計されている。
論文 参考訳（メタデータ） (2022-07-24T17:05:37Z) - Learning Theory of Mind via Dynamic Traits Attribution [59.9781556714202]
本稿では,過去のトラジェクトリからアクターの潜在特性ベクトルを生成するニューラルToMアーキテクチャを提案する。
この特性ベクトルは、予測ニューラルネットワークの高速重み付けスキームを介して予測機構を乗法的に変調する。
実験により,高速重量はエージェントの特性をモデル化し,マインドリーディング能力を向上させるために優れた誘導バイアスを与えることが示された。
論文 参考訳（メタデータ） (2022-04-17T11:21:18Z) - Learning Self-Modulating Attention in Continuous Time Space with
Applications to Sequential Recommendation [102.24108167002252]
本稿では,複雑で非線形に進化する動的ユーザの嗜好をモデル化する,自己変調型注意ネットワークを提案する。
提案手法がトップNシーケンシャルなレコメンデーションタスクに与える影響を実証的に示すとともに,3つの大規模実世界のデータセットによる結果から,我々のモデルが最先端のパフォーマンスを達成できることを示す。
論文 参考訳（メタデータ） (2022-03-30T03:54:11Z) - Robust alignment of cross-session recordings of neural population
activity by behaviour via unsupervised domain adaptation [1.2617078020344619]
本研究では,同じ動物から記録された未確認データから行動関連潜伏動態を推定できるモデルを提案する。
教師なし領域適応と、複数のセッションで訓練された逐次変分オートエンコーダを組み合わせることで、見つからないデータに対して優れた一般化が達成できることを示す。
論文 参考訳（メタデータ） (2022-02-12T22:17:30Z) - Learning Complex Spatial Behaviours in ABM: An Experimental
Observational Study [0.0]
本稿では,創発的エージェント行動の生成にReinforcement Learningを適用する方法について検討する。
一連のシミュレーションを行ない, エージェントが実世界の知的適応行動の特性を示す方法として, プロクサマルポリシー最適化アルゴリズムを用いて訓練されたことを実証した。
論文 参考訳（メタデータ） (2022-01-04T11:56:11Z) - Generative Adversarial Reward Learning for Generalized Behavior Tendency
Inference [71.11416263370823]
ユーザの行動嗜好モデルのための生成的逆強化学習を提案する。
我々のモデルは,差別的アクター批判ネットワークとWasserstein GANに基づいて,ユーザの行動から報酬を自動的に学習することができる。
論文 参考訳（メタデータ） (2021-05-03T13:14:25Z) - Double Robust Representation Learning for Counterfactual Prediction [68.78210173955001]
そこで本稿では, 対実予測のための2次ロバスト表現を学習するための, スケーラブルな新しい手法を提案する。
我々は、個々の治療効果と平均的な治療効果の両方に対して、堅牢で効率的な対実的予測を行う。
このアルゴリズムは,実世界の最先端技術と合成データとの競合性能を示す。
論文 参考訳（メタデータ） (2020-10-15T16:39:26Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。