Representation Learning of Daily Movement Data Using Text Encoders

要約

時系列表現学習は、遠隔医療モニタリング アプリケーションの重要な研究分野です。
この研究では、認知症を抱えて暮らす人々の家庭内での活動を記録したデータセットに焦点を当てています。
私たちは、アクティビティをテキスト文字列に変換することに基づいた表現学習方法を設計します。テキスト文字列は、1 日あたり 30 ドルの枠内の同じ参加者からのデータをベクトル空間の同様の埋め込みに変換するように微調整された言語モデルを使用してエンコードできます。
これにより、参加者や日数にわたるクラスタリングとベクトル検索が可能になり、アクティビティの逸脱を特定して、個別化されたケアの提供を支援します。

要約(オリジナル)

Time-series representation learning is a key area of research for remote healthcare monitoring applications. In this work, we focus on a dataset of recordings of in-home activity from people living with Dementia. We design a representation learning method based on converting activity to text strings that can be encoded using a language model fine-tuned to transform data from the same participants within a $30$-day window to similar embeddings in the vector space. This allows for clustering and vector searching over participants and days, and the identification of activity deviations to aid with personalised delivery of care.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google