論文の概要: Inferring Mood-While-Eating with Smartphone Sensing and Community-Based Model Personalization

• arxiv url: http://arxiv.org/abs/2306.00723v2
• Date: Sat, 9 Dec 2023 21:58:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 02:33:30.016997
• Title: Inferring Mood-While-Eating with Smartphone Sensing and Community-Based Model Personalization
• Title（参考訳）: スマートフォンセンシングとコミュニティモデルパーソナライゼーションによる気分判断
• Authors: Wageesha Bangamuarachchi and Anju Chamantha and Lakmal Meegahapola and Haeeun Kim and Salvador Ruiz-Correa and Indika Perera and Daniel Gatica-Perez
• Abstract要約: 携帯電話のセンサデータは、食行動と気分の両方を、モバイル食日記とモバイル健康アプリケーションという文脈で独立して特徴付けるために使われてきた。 以上の結果から, 一般的な気分推定モデルでは, 摂食など特定の文脈での性能が低下することが示唆された。 これらの制約に対処するために,類似ユーザから対象ユーザへのデータを用いたモデルを構築することにより,新たなコミュニティベースのパーソナライズ手法を採用した。
• 参考スコア（独自算出の注目度）: 4.245223529153532
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The interplay between mood and eating has been the subject of extensive research within the fields of nutrition and behavioral science, indicating a strong connection between the two. Further, phone sensor data have been used to characterize both eating behavior and mood, independently, in the context of mobile food diaries and mobile health applications. However, limitations within the current body of literature include: i) the lack of investigation around the generalization of mood inference models trained with passive sensor data from a range of everyday life situations, to specific contexts such as eating, ii) no prior studies that use sensor data to study the intersection of mood and eating, and iii) the inadequate examination of model personalization techniques within limited label settings, as we commonly experience in mood inference. In this study, we sought to examine everyday eating behavior and mood using two datasets of college students in Mexico (N_mex = 84, 1843 mood-while-eating reports) and eight countries (N_mul = 678, 329K mood reports incl. 24K mood-while-eating reports), containing both passive smartphone sensing and self-report data. Our results indicate that generic mood inference models decline in performance in certain contexts, such as when eating. Additionally, we found that population-level (non-personalized) and hybrid (partially personalized) modeling techniques were inadequate for the commonly used three-class mood inference task (positive, neutral, negative). Furthermore, we found that user-level modeling was challenging for the majority of participants due to a lack of sufficient labels and data from the negative class. To address these limitations, we employed a novel community-based approach for personalization by building models with data from a set of similar users to a target user.
• Abstract（参考訳）: 気分と食事の相互作用は、栄養学と行動科学の分野における広範な研究の対象であり、両者の強い関係を示している。 さらに,携帯電話のセンサデータを用いて,食行動と気分の両方を,移動食日記やモバイル健康アプリケーションという文脈で独立に特徴付けてきた。 ただし、現在の文献には以下の制限がある。 一 日常の生活状況から食事等の特定の状況に至るまでの受動的センサデータを用いて訓練された気分推定モデルの一般化に関する調査の欠如 二 気分と食事の交点を研究するためのセンサデータを用いる先行研究 三 気分推論においてよく経験するような、限定的なラベル設定におけるモデルパーソナライズ技術の不十分な検証 本研究では,メキシコの大学生(n_mex = 84, 1843)と8か国(n_mul = 678, 329k mood reports incl. 24k mood-while-eating reports)の2つのデータセットを用いて,受動的スマートフォンセンシングと自己報告データの両方を含む日常食行動と気分について検討した。 以上の結果から,一般的な気分推定モデルでは,食事時など特定の文脈でのパフォーマンスが低下することが示唆された。 さらに, 集団レベル(非個人化)とハイブリッド(部分パーソナライズ)のモデリング技術は, 一般的に使用されている3段階の感情推論タスク(正, 中立, 負)には不十分であることがわかった。 さらに,ユーザレベルのモデリングは,負のクラスからの十分なラベルやデータがないため,ほとんどの参加者にとって困難であった。 これらの制約に対処するために,類似ユーザから対象ユーザへのデータを用いたモデルを構築することにより,新たなコミュニティベースのパーソナライズ手法を採用した。

関連論文リスト

• Modeling User Preferences via Brain-Computer Interfacing [54.3727087164445]
  我々はBrain-Computer Interface技術を用いてユーザの好みを推測し、その注意力は視覚的コンテンツと感情的体験との関連性に相関する。 我々はこれらを,情報検索,生成モデルのパーソナライズされたステアリング,感情経験のクラウドソーシング人口推定など,関連するアプリケーションにリンクする。
  論文  参考訳（メタデータ） (2024-05-15T20:41:46Z)
• Decoding Susceptibility: Modeling Misbelief to Misinformation Through a Computational Approach [61.04606493712002]
  誤報に対する感受性は、観測不可能な不検証の主張に対する信念の度合いを記述している。 既存の感受性研究は、自己報告された信念に大きく依存している。 本稿では,ユーザの潜在感受性レベルをモデル化するための計算手法を提案する。
  論文  参考訳（メタデータ） (2023-11-16T07:22:56Z)
• NutritionVerse: Empirical Study of Various Dietary Intake Estimation Approaches [59.38343165508926]
  食事の正確な摂取推定は、健康的な食事を支援するための政策やプログラムを伝える上で重要である。 最近の研究は、コンピュータービジョンと機械学習を使用して、食物画像から食事摂取を自動的に推定することに焦点を当てている。 我々は,84,984個の合成2D食品画像と関連する食事情報を用いた最初の大規模データセットであるNutritionVerse-Synthを紹介した。 また、リアルなイメージデータセットであるNutritionVerse-Realを収集し、リアル性を評価するために、251の料理の889のイメージを含む。
  論文  参考訳（メタデータ） (2023-09-14T13:29:41Z)
• Understanding the Social Context of Eating with Multimodal Smartphone Sensing: The Role of Country Diversity [5.764112063319108]
  本研究は,8カ国678人の大学生を対象に,約24Kの自己申告データを収集した。 分析の結果,食事イベントにおけるスマートフォンの利用状況は各国で類似しているが,各国に特有の傾向がみられた。
  論文  参考訳（メタデータ） (2023-06-01T14:16:59Z)
• The MuSe 2023 Multimodal Sentiment Analysis Challenge: Mimicked Emotions, Cross-Cultural Humour, and Personalisation [69.13075715686622]
  MuSe 2023は、現代の3つの異なるマルチモーダル感情と感情分析の問題に対処する共有タスクの集合である。 MuSe 2023は、さまざまな研究コミュニティから幅広いオーディエンスを集めようとしている。
  論文  参考訳（メタデータ） (2023-05-05T08:53:57Z)
• Generalization and Personalization of Mobile Sensing-Based Mood Inference Models: An Analysis of College Students in Eight Countries [8.218081835111912]
  8か国678人の参加者から329万件の自己申告を行ったモバイルセンシングデータセットを収集した。 国別(大陸内での訓練・試験)、大陸別(大陸内での訓練・試験)、国別(訓練データでは見られない国で試験)、多国間(複数の国で訓練・試験)のアプローチを評価した。
  論文  参考訳（メタデータ） (2022-11-06T02:26:52Z)
• Co-Located Human-Human Interaction Analysis using Nonverbal Cues: A Survey [71.43956423427397]
  本研究の目的は,非言語的キューと計算手法を同定し,効果的な性能を実現することである。 この調査は、最も広い範囲の社会現象と相互作用設定を巻き込むことによって、相手と異なる。 もっともよく使われる非言語キュー、計算方法、相互作用環境、センシングアプローチは、それぞれマイクとカメラを備えた3,4人で構成される会話活動、ベクターマシンのサポート、ミーティングである。
  論文  参考訳（メタデータ） (2022-07-20T13:37:57Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Multimodal Privacy-preserving Mood Prediction from Mobile Data: A Preliminary Study [34.550824104906255]
  精神的な健康状態は、先進医療に共通のアクセスを持つ国でも診断が不十分である。 人間の行動を監視するための有望なデータソースのひとつは、毎日のスマートフォンの利用だ。 リスクの高い青年の移動行動のデータセットを用いて行動マーカーや日常の気分を調査した。
  論文  参考訳（メタデータ） (2020-12-04T01:44:22Z)
• Alone or With Others? Understanding Eating Episodes of College Students with Mobile Sensing [7.786904858719634]
  食事の社会的文脈(友人、家族、パートナーなど)は、食事の種類、食事中の心理的状態、食事量といった側面に影響を及ぼす重要な自己申告機能である。 本研究では,ウェアラブルとスマートフォンの受動的センシングデータと食生活の社会的文脈について検討する。
  論文  参考訳（メタデータ） (2020-11-23T19:45:55Z)
• Eating Habits Discovery in Egocentric Photo-streams [9.436913961194671]
  食事関連行動パターン探索モデルを構築し,日常的に実施されている活動から栄養のルーチンを明らかにする。 このフレームワーク内では、単純だが堅牢で高速な新しい分類パイプラインを提示する。 本稿では,カメラが単独で食べる際の食品関連シーンの識別への応用について述べる。
  論文  参考訳（メタデータ） (2020-09-16T12:46:35Z)

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。