Predicting User-specific Future Activities using LSTM-based Multi-label Classification

要約

過去の活動に基づいてヘルスケア領域でユーザー固有の将来の活動を予測することで、看護師が提供するサービスを大幅に向上させることができます。
他の分野とは異なり、医療における活動には看護師と患者の両方が関与し、またその活動は時間ごとに変化するため、これは困難です。
この論文では、新しい 2 段階トレーニング アプローチ (ユーザーに依存しない事前トレーニングとユーザー固有の微調整) のために、データ構造と LSTM ベースのマルチラベル分類器を整理および変更するためのさまざまなデータ処理手法を使用します。
私たちの実験では、検証精度 31.58\%、適合率 57.94%、再現率 68.31%、F1 スコア 60.38% を達成しました。
私たちは、適切なデータ前処理と 2 段階のトレーニング プロセスによりパフォーマンスが向上すると結論付けました。
この実験は、私たちのチーム「Not A Fan of Local Minima」による「第 4 回看護ケア活動認識チャレンジ」の一部です。

要約(オリジナル)

User-specific future activity prediction in the healthcare domain based on previous activities can drastically improve the services provided by the nurses. It is challenging because, unlike other domains, activities in healthcare involve both nurses and patients, and they also vary from hour to hour. In this paper, we employ various data processing techniques to organize and modify the data structure and an LSTM-based multi-label classifier for a novel 2-stage training approach (user-agnostic pre-training and user-specific fine-tuning). Our experiment achieves a validation accuracy of 31.58\%, precision 57.94%, recall 68.31%, and F1 score 60.38%. We concluded that proper data pre-processing and a 2-stage training process resulted in better performance. This experiment is a part of the ‘Fourth Nurse Care Activity Recognition Challenge’ by our team ‘Not A Fan of Local Minima’.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google