論文の概要: AWARE Narrator and the Utilization of Large Language Models to Extract Behavioral Insights from Smartphone Sensing Data

• arxiv url: http://arxiv.org/abs/2411.04691v1
• Date: Thu, 07 Nov 2024 13:23:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-08 19:37:44.506829
• Title: AWARE Narrator and the Utilization of Large Language Models to Extract Behavioral Insights from Smartphone Sensing Data
• Title（参考訳）: スマートフォンセンシングデータから行動インサイトを抽出するためのAWAREナレーターと大規模言語モデルの活用
• Authors: Tianyi Zhang, Miu Kojima, Simon D'Alfonso,
• Abstract要約: スマートフォンは健康関連行動や状況の追跡を促進し、デジタル表現に大きく貢献する。 本稿では,スマートフォンから収集したデータを構造化した時系列物語に体系的に変換する手法を提案する。 この枠組みを1週間にわたって大学生の収集したデータに適用し,個々の行動の要約に物語を活用する可能性を実証した。
• 参考スコア（独自算出の注目度）: 6.110013784860154
• License:
• Abstract: Smartphones, equipped with an array of sensors, have become valuable tools for personal sensing. Particularly in digital health, smartphones facilitate the tracking of health-related behaviors and contexts, contributing significantly to digital phenotyping, a process where data from digital interactions is analyzed to infer behaviors and assess mental health. Traditional methods process raw sensor data into information features for statistical and machine learning analyses. In this paper, we introduce a novel approach that systematically converts smartphone-collected data into structured, chronological narratives. The AWARE Narrator translates quantitative smartphone sensing data into English language descriptions, forming comprehensive narratives of an individual's activities. We apply the framework to the data collected from university students over a week, demonstrating the potential of utilizing the narratives to summarize individual behavior, and analyzing psychological states by leveraging large language models.
• Abstract（参考訳）: スマートフォンにはセンサーの配列が備わっており、パーソナルセンシングの貴重なツールとなっている。 特にデジタルヘルスにおいて、スマートフォンは健康関連の行動や状況の追跡を促進し、デジタル・表現型(英語版)に大きく貢献する。 従来の方法では、統計と機械学習の分析のために、生センサデータを情報機能に加工する。 本稿では,スマートフォンが収集したデータを構造化した時系列物語に体系的に変換する手法を提案する。 AWAREナレーターは、定量的なスマートフォンセンシングデータを英語の記述に翻訳し、個人の活動に関する包括的な物語を形成する。 この枠組みを1週間にわたって大学生の収集したデータに適用し、物語を利用して個人の行動を要約し、大きな言語モデルを用いて心理状態を分析する可能性を実証した。

関連論文リスト

• Predicting Affective States from Screen Text Sentiment [11.375704805270171]
  スマートフォンで見るテキストコンテンツを分析して感情状態を予測する可能性については、まだ解明されていない。 画面テキストと感情状態の関係を解析するために,線形回帰,ゼロショット,マルチショットを用いた。 以上の結果から,マルチショットプロンプトは線形回帰とゼロショットプロンプトの両方で著しく優れていた。
  論文  参考訳（メタデータ） (2024-08-23T05:25:11Z)
• 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)
• Integrating Wearable Sensor Data and Self-reported Diaries for Personalized Affect Forecasting [2.36325543943271]
  本研究では,影響状況予測のためのマルチモーダル深層学習モデルを提案する。 このモデルは、トランスフォーマーエンコーダと事前訓練された言語モデルを組み合わせることで、客観的なメトリクスと自己報告された日記の統合分析を容易にする。 その結果, 予測精度82.50%, 負の影響82.76%, 前週の予測精度82.76%が得られた。
  論文  参考訳（メタデータ） (2024-03-16T17:24:38Z)
• Personality Trait Inference Via Mobile Phone Sensors: A Machine Learning Approach [0.0]
  本研究では,携帯電話センサを用いて収集した活動データから人格を確実に予測できることを示す。 2種類の問題に対して,ユーザの性格を最大0.78F1まで予測することができた。 スマートフォンのセンサと機械学習技術の組み合わせが、パーソナリティ研究の進展にどう役立つかを示す。
  論文  参考訳（メタデータ） (2024-01-18T13:18:51Z)
• Types of Approaches, Applications and Challenges in the Development of Sentiment Analysis Systems [0.0]
  知覚分析は自然言語処理と機械学習の重要な応用の1つである。 何百万ものコメントが毎日記録され、大量の構造化されていないテキストデータを生成する。
  論文  参考訳（メタデータ） (2023-03-09T15:18:34Z)
• Unsupervised Neural Stylistic Text Generation using Transfer learning and Adapters [66.17039929803933]
  応答生成のためのスタイル特化属性を学習するために,モデルパラメータの0.3%しか更新しない新しい転送学習フレームワークを提案する。 我々はPERSONALITY-CAPTIONSデータセットからスタイル固有の属性を学習する。
  論文  参考訳（メタデータ） (2022-10-07T00:09:22Z)
• 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)
• Towards Neural Numeric-To-Text Generation From Temporal Personal Health Data [16.814550345738578]
  数値的な個人健康データから高品質な自然言語要約を自動生成できることが示される。 我々の研究は、個人の健康データから新しい意味のある時間的要約を自動的に生成するという野心的な目標に向けての第一歩となる。
  論文  参考訳（メタデータ） (2022-07-11T21:16:48Z)
• An Empirical Investigation of Commonsense Self-Supervision with Knowledge Graphs [67.23285413610243]
  大規模知識グラフから抽出した情報に基づく自己監督は、言語モデルの一般化を改善することが示されている。 本研究では,言語モデルに適用可能な合成データを生成するための知識サンプリング戦略とサイズの影響について検討する。
  論文  参考訳（メタデータ） (2022-05-21T19:49:04Z)
• 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)
• Vyaktitv: A Multimodal Peer-to-Peer Hindi Conversations based Dataset for Personality Assessment [50.15466026089435]
  本稿では,ピアツーピアのHindi会話データセットであるVyaktitvを提案する。 参加者の高品質な音声とビデオの録音と、会話ごとにヒングリッシュのテキストによる書き起こしで構成されている。 データセットには、収入、文化的指向など、すべての参加者のための豊富な社会デコグラフィー的特徴が含まれています。
  論文  参考訳（メタデータ） (2020-08-31T17:44:28Z)

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。