MMSep, 2019

将日常活动与个性对齐：面向改善幸福感的推荐系统

PDF
TL;DR提出了一种新颖的方法，通过最大化活动和个性特征之间的一致性，推导个性化的活动建议，以改善主观幸福感，研究结果表明，此方法能够准确推断出对于特定用户有益或有害的活动，并且所推导的建议在现实世界中的成效显著。
recommender systemssubjective wellbeingmobile technologiespersonality traitsactivity recommendations
发现论文，激发创造
  • PARIS: 个性化活动推荐以改善睡眠质量

    使用机器学习技术，利用活动监测和健康追踪设备收集的数据，通过行为模式和活动推荐来提高人们的睡眠质量。

    Oct, 2021

  • 通过移动电话传感器的人格特质推断：一种机器学习方法

    通过手机传感器收集的活动数据可可靠地预测人的个性。使用从加速度计记录和运动模式计算出的指标，我们能够在两类问题上预测用户的个性，F1 得分最高可达 0.78。这些新颖的个性指标为社会科学的未来研究开辟了新的途径。我们的结果揭示了不同的行为模式，这些模式对五个大的人格特征有不同的预测作用。它们为无问卷调查地研究与个性相关的问题提供了成本效益高、前所未有规模的可能性。总体而言，本文展示了通过智能手机传感和机器学习技术获取丰富的行为数据如何促进个性研究，并能够为从业者和研究人员提供有关个性不同行为模式的信息。这些发现对于利用移动传感器数据进行个性评估的组织具有实际意义，并将指导未来更精确和高效的预测模型的改进。

    Jan, 2024

  • 个性化推荐系统综述

    本篇论文主要研究并对个性化推荐系统进行系统分类，比较其个性建模方法和推荐技术的不同设置，并列举出常用的数据集并指出一些挑战。

    Jan, 2021

  • 从用户生成的内容预测人类活动

    本文探讨从用户生成的内容中预测人类活动的任务，并使用最先进的句子嵌入框架来识别人类活动的语义并自动聚类这些活动，然后训练神经网络模型来预测哪些聚类包含给定用户之前发布的帖子和自我描述的文本中执行的活动，并探讨将推断得到的用户特征并入模型对此预测任务的帮助程度。

    Jul, 2019

  • 幸福语义：自动化健康建议

    通过分析用户记载的短文本，该论文提出了一种系统化的方法来帮助用户提高幸福感。该方法使用神经网络模型并重点分析短文本中与心理学相关的特征，最终输出有关行动建议是否适合该用户的决策，以期提高其整体的幸福感。

    Jul, 2019

  • 基于手机数据、天气状况和个体特征的每日压力识别

    通过分析用户的移动电话活动和额外指标，如天气条件和人格特征等数据，我们提出了一种替代方法，可靠地识别日常压力水平，并且高效易实现。

    Oct, 2014

  • 个性诊断协同过滤：一种基于混合记忆和模型的方法

    该研究介绍并评估了一种基于个人偏好识别的推荐系统方法，即 Personality Diagnosis (PD)，它具有传统相似度加权技术的优点，并能提供有意义的概率解释，同时支持价值信息计算。

    Jan, 2013

  • 体育推荐系统：概述与研究问题

    体育推荐系统已引起了越来越多的关注，因为它们潜在的促进健康生活、提高个人福祉和提升运动表现的能力。本文通过不同的工作实例，对体育推荐系统的应用和技术进行了概述，并分析了相关的最新技术并讨论了开放的研究问题。

    Dec, 2023

  • 用户主动透露意愿的推荐

    该研究研究了一种新颖的推荐算法，其中用户可以表明他们愿意披露哪些行为，模型会在保证推荐质量和用户意愿不被侵犯的前提下进行优化，通过多人游戏模型和基于影响力函数的算法进行高效求解，实验表明该模型可以有效平衡推荐质量和用户信息隐私。

    Oct, 2022

  • 利用可穿戴传感器数据进行无监督嵌入式学习的人体活动识别

    该论文介绍了一种无监督方法，通过基于人类活动的特性将人类活动投射到一个嵌入空间中，在该空间中相似的活动会紧密地聚集在一起，从而帮助聚类算法实现对人类活动的识别和分类，相较于直接应用于原始数据集的非监督技术，我们的方法在识别和分类潜在人类活动方面取得了更好的性能。

    Jul, 2023