松本 敢大 | M, 2回目発表 | ユビキタスコンピューティングシステム | 安本 慶一, 金谷 重彦, 諏訪 博彦 |
title: Predicting Stress Using Biometric and Activity Indicators to Improve QoL for the Elderly
abstract: In order to improve the QoL of the elderly, it is crucial to predict the stress state of the elderly. Stress state varies daily and hour to hour, depending on the activity performed and its duration and intensity. However, most existing studies predict stress states using biometric information and specific activities (e.g., sleep duration, exercise duration/amount, etc.) as explanatory variables and do not consider all daily life activities. Therefore, it is necessary to predict stress states by linking daily activities with biometric information. In this paper, we propose a method to improve the prediction accuracy of stress estimation by linking daily living activity data and biometric data. Specifically, a machine learning model is constructed using the results of the stress state questionnaire obtained every morning and evening as the objective variable, the types of daily life activities performed in the 24 hours prior to the questionnaire, and the characteristics calculated from the biometric data for each activity performed as explanatory variables. The results of an evaluation experiment using one month of data collected from five elderly households showed that the proposed method (using biometric features for each activity) improved prediction accuracy by more than 5% over the baseline method (using biometric features without considering activity). language of the presentation:Japanese 発表題目: 高齢者のQoL向上のための生体指標と活動指標を用いたストレスの予測 発表概要: 高齢者のQoLを向上させるためには、高齢者のストレス状態を予測することが重要である。ストレス状態は、実施した活動やその時間・強度によって、日々、時間ごとに変化する。しかし、既存の研究の多くは、生体情報や特定の活動(睡眠時間、運動時間・量など)を説明変数としてストレス状態を予測しており、日常生活活動すべてを考慮しているわけではありません。そのため、日常生活活動と生体情報を結びつけてストレス状態を予測することが必要である。本稿では、日常生活活動データと生体情報を連携させることで、ストレス推定値の予測精度を向上させる手法を提案する。具体的には、毎日朝夕に取得するストレス状態のアンケート結果を目的変数とし、アンケート前の24時間に行った日常生活活動の種類と、 行った活動ごとに生体情報から算出した特徴を説明変数として、機械学習モデルを構築する。高齢者5世帯から収集した1ヶ月間のデータを用いた評価実験の結果、提案手法(活動ごとの生体情報を用いた特徴量)は、ベースライン手法(活動を考慮しない生体情報を用いた特徴量)よりも予測精度が5%以上向上することが確認された。 | |||
上田 健太郎 | M, 2回目発表 | ユビキタスコンピューティングシステム | 安本 慶一, 荒牧 英治, 諏訪 博彦 |
title: Proposal and evaluation of a method for utilizing documents posted on financial bulletin boards for the purpose of market forecastin
abstract: Financial markets fluctuate under the influence of various social events. Therefore, not only historical data but also news and social media postings are considered important information sources for predicting future markets. In particular, there is a need for effective ways to utilize social media data, which accumulates a large amount of data every day, for market forecasting. In this study, we propose and evaluate a method for utilizing the posting data of Yahoo Finance BBS, one of the largest financial BBS in Japan, for the purpose of market forecasting. Specifically, we proposed a method (SSCDV) for explicitly embedding sentiment information in Sparse Composite Document Vector (SCDV) in order to effectively handle the topics and sentiments of posted documents. We used the proposed method to obtain a document variance representation, and combined it with financial time series data as input to a machine learning model to predict financial indicators. The results suggest the effectiveness of the proposed method compared with other methods for obtaining variance representations. language of the presentation: Japanese 発表題目: 市場予測を目的とした金融掲示板投稿文書活用手法の提案と評価 発表概要: 金融市場は社会の様々なイベントの影響を受けて変動する.そのため,ヒストリカルデータだけでなく,ニュースやソーシャルメディアの投稿なども将来の市場を予測するための重要な情報源とされている.中でも,毎日多量のデータが蓄積されるソーシャルメディアデータの市場予測のための有効な活用法が求められている.そこで,本研究では市場予測を目的として,日本最大級の金融掲示板であるYahooファイナンス掲示板の投稿データの活用手法を提案,評価した.具体的には,投稿文書のトピックと感情を有効に扱うために,SCDVに明示的に感情情報を埋め込む手法(SSCDV)を提案した.提案手法を用いて文書分散表現を獲得し,金融時系列データを合わせて機械学習モデルへの入力とし,金融指標の予測を行なった.他の手法で分散表現を獲得した場合と比較した結果,提案手法の有効性が示唆された | |||