論文の概要: PersonaDrift: A Benchmark for Temporal Anomaly Detection in Language-Based Dementia Monitoring

• arxiv url: http://arxiv.org/abs/2511.16445v1
• Date: Thu, 20 Nov 2025 15:15:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-11-21 17:08:52.689948
• Title: PersonaDrift: A Benchmark for Temporal Anomaly Detection in Language-Based Dementia Monitoring
• Title（参考訳）: PersonaDrift: 言語に基づく認知症モニタリングにおける時間的異常検出のためのベンチマーク
• Authors: Joy Lai, Alex Mihailidis,
• Abstract要約: PersonaDriftは、日々のコミュニケーションの進行的な変化を検出するための機械学習と統計的手法を評価するために設計されたベンチマークである。 このベンチマークは、介護者が特に有能であると強調した2種類の縦方向の変化に焦点を当てている。 予備的な結果は, ベースライン変動率の低いユーザにおいて, 単純な統計モデルを用いて, 平坦感が検出できることを示唆している。
• 参考スコア（独自算出の注目度）: 0.9668407688201359
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: People living with dementia (PLwD) often show gradual shifts in how they communicate, becoming less expressive, more repetitive, or drifting off-topic in subtle ways. While caregivers may notice these changes informally, most computational tools are not designed to track such behavioral drift over time. This paper introduces PersonaDrift, a synthetic benchmark designed to evaluate machine learning and statistical methods for detecting progressive changes in daily communication, focusing on user responses to a digital reminder system. PersonaDrift simulates 60-day interaction logs for synthetic users modeled after real PLwD, based on interviews with caregivers. These caregiver-informed personas vary in tone, modality, and communication habits, enabling realistic diversity in behavior. The benchmark focuses on two forms of longitudinal change that caregivers highlighted as particularly salient: flattened sentiment (reduced emotional tone and verbosity) and off-topic replies (semantic drift). These changes are injected progressively at different rates to emulate naturalistic cognitive trajectories, and the framework is designed to be extensible to additional behaviors in future use cases. To explore this novel application space, we evaluate several anomaly detection approaches, unsupervised statistical methods (CUSUM, EWMA, One-Class SVM), sequence models using contextual embeddings (GRU + BERT), and supervised classifiers in both generalized and personalized settings. Preliminary results show that flattened sentiment can often be detected with simple statistical models in users with low baseline variability, while detecting semantic drift requires temporal modeling and personalized baselines. Across both tasks, personalized classifiers consistently outperform generalized ones, highlighting the importance of individual behavioral context.
• Abstract（参考訳）: 認知症(PLwD)を持つ人は、コミュニケーションの仕方、表現力の低下、反復性の向上、あるいは微妙な方法でオフトピーを漂流させる傾向が徐々に変化することが多い。 介護者はこれらの変化に非公式に気づくかもしれないが、ほとんどの計算ツールは、時間とともにそのような行動の漂流を追跡するように設計されていない。 本稿では,デジタルリマインダーシステムに対するユーザの反応に着目し,日々のコミュニケーションの進行的変化を検出するための機械学習と統計的手法を評価するための総合ベンチマークであるPersonaDriftを紹介する。 PersonaDriftは、介護者へのインタビューに基づいて、実際のPLwDをモデルとした合成ユーザの60日間のインタラクションログをシミュレートする。 これらの介護者のインフォームド・ペルソナは、トーン、モダリティ、コミュニケーションの習慣によって異なり、行動の現実的な多様性を可能にする。 このベンチマークは、介護者が特に顕著なものとして強調する2つの縦方向の変化に焦点を当てている。 これらの変化は、自然主義的な認知軌道をエミュレートするために異なる速度で徐々に注入される。 この新たな応用空間を探索するために,いくつかの異常検出手法,教師なし統計手法(CUSUM, EWMA, One-Class SVM),コンテキスト埋め込みを用いたシーケンスモデル(GRU + BERT),一般化およびパーソナライズされた設定における教師付き分類器の評価を行った。 予備的な結果から, ベースライン変動の少ないユーザでは, 単純な統計モデルを用いて, 平坦感が検出されることが多いが, セマンティックドリフトの検出には時間的モデリングとパーソナライズされたベースラインが必要であることが示唆された。 両方のタスクにおいて、パーソナライズされた分類器は、個々の行動コンテキストの重要性を強調して、常に一般化されたタスクを上回ります。

関連論文リスト

• Unobtrusive In-Situ Measurement of Behavior Change by Deep Metric Similarity Learning of Motion Patterns [25.896192890947216]
  本稿では,XRシステムにおける任意の露光時のユーザの行動変化をその場で検出する手法を提案する。 本稿では,高次元埋め込みを参照ベクトルとして用いたディープメトリック類似性学習に基づくバイオメトリック・ユーザ・モデルを提案する。
  論文  参考訳（メタデータ） (2025-09-04T12:46:18Z)
• The Personality Illusion: Revealing Dissociation Between Self-Reports & Behavior in LLMs [60.15472325639723]
  人格特性は、人間の行動の予測因子として長い間研究されてきた。 近年のLarge Language Models (LLM) は, 人工システムに類似したパターンが出現する可能性を示唆している。
  論文  参考訳（メタデータ） (2025-09-03T21:27:10Z)
• Personalized Counterfactual Framework: Generating Potential Outcomes from Wearable Data [1.7396556690675233]
  本稿では,ウェアラブルデータからパーソナライズされた対物モデルを学ぶためのフレームワークを提案する。 我々はまず,マルチモーダル類似性分析を用いて,類似患者のデータを用いて個々のデータセットを拡大する。 次に、時間的PC(Peter-Clark)アルゴリズムを用いて予測関係を探索する。 グラディエントブースティングマシンは、個々の特殊効果を定量化するためにこれらの関係に基づいて訓練されている。
  論文  参考訳（メタデータ） (2025-08-20T05:04:17Z)
• Two-Stage Representation Learning for Analyzing Movement Behavior Dynamics in People Living with Dementia [44.39545678576284]
  本研究では,認知症高齢者の在宅活動データを,2段階の自己指導型学習アプローチによって分析する。 第1段階は、時系列アクティビティを事前訓練された言語モデルによって符号化されたテキストシーケンスに変換する。 このPageRankベクトルは遅延状態遷移をキャプチャし、複雑な振る舞いデータを簡潔な形式に効果的に圧縮する。
  論文  参考訳（メタデータ） (2025-02-13T10:57:25Z)
• Modeling Attention during Dimensional Shifts with Counterfactual and Delayed Feedback [0.4915744683251151]
  意思決定タスクの特定の特徴に人間がどのように参加するかをモデル化する2つの手法を比較した。 経験の歴史から情報理論の計量を計算することは、人間のような行動を考えるのに最適であることがわかった。
  論文  参考訳（メタデータ） (2025-01-19T20:26:34Z)
• 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)
• A Novel Loss Function Utilizing Wasserstein Distance to Reduce Subject-Dependent Noise for Generalizable Models in Affective Computing [0.4818210066519976]
  感情は人間の行動の重要な部分であり、思考、意思決定、コミュニケーションスキルに影響を与える可能性がある。 感情を正確に監視し識別する能力は、行動訓練、感情的幸福の追跡、人間とコンピュータのインターフェイスの開発など、多くの人間中心のアプリケーションで有用である。
  論文  参考訳（メタデータ） (2023-08-17T01:15:26Z)
• Bring Your Own Data! Self-Supervised Evaluation for Large Language Models [52.15056231665816]
  大規模言語モデル(LLM)の自己教師型評価のためのフレームワークを提案する。 閉書知識,毒性,長期文脈依存性を測定するための自己指導型評価戦略を実証する。 自己監督評価と人監督評価との間には強い相関関係が認められた。
  論文  参考訳（メタデータ） (2023-06-23T17:59:09Z)
• A comprehensive comparative evaluation and analysis of Distributional Semantic Models [61.41800660636555]
  我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。 その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。 我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
  論文  参考訳（メタデータ） (2021-05-20T15:18:06Z)

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。