4. ● Investigating the Healthiness of Internet-Sourced
Recipes: Implications for Meal Planning and
Recommender Systems
○ “健康” で好みにあうレシピを推薦する
● DeepMood: Forecasting Depressed Mood Based
onSelf-Reported Histories via Recurrent Neural
Networks
○ うつ病患者の重度のうつ状態予測と素性分析
ご紹介する論文
5. Investigating the Healthiness of Internet-Sourced
Recipes: Implications for Meal Planning and
Recommender Systems
Christoph Trattner (MODUL University Vienna & Know-Center) David
Elsweiler (University of Regensburg)
13. DeepMood: Forecasting Depressed Mood Based
onSelf-Reported Histories via Recurrent Neural
Networks
Yoshihiko Suhara (Recruit Institute of Technology & MIT)
Yinzhan Xu (Massachusetts Institute of Technology)
Alex 'Sandy' Pentland (Massachusetts Institute of Technology)
22. ● Understanding and Discovering Deliberate Self-harm Content in Social Media
○ Flickrにリスカ画像をアップロードする人を分析して検出モデルを開発。生活時間やテキストに特徴。
● Mobile Sensing at the Service of Mental Well-being: a Large-scale Longitudinal Study
○ Well-beingをAndroidのセンサーデータから推定。長期的なメンタルヘルス予測の研究はあまりなかったがやった。教師デー
タはアプリを作ってユーザに入力させて収集。
● Harnessing the Web for Population-Scale Physiological Sensing: A Case Study of Sleep and Performance
○ 認知パフォーマンスは睡眠時間やサーカディアンリズムに依存する。現状、スモールデータでしか研究がないが我々は大規
模でやった。認知パフォーマンスは、検索エンジンでのキーストロークやクリックで測定、睡眠はウェアラブルデバイスのアプ
リで測定してデータ収集。
● Cataloguing Treatments Discussed and Used in Online Autism Communities
○ 患者はネットで治療について議論することがある。その内容って実際に役立つのか?を調べる。対象は自閉症コミュニティで
の両親・介護士・その他の議論データ。実際に両親が治療を行使したところまでトレースした。この知見をから治療方法のカタ
ログ化をする。
● Sangoshthi: Empowering Community Health Workers through Peer Learning in Rural India
○ インドのヘルスワーカー90万人。全員に対面で研修できない。インドの田舎はネット環境が未整備なのでE-Learningも難し
い。Low Internetアクセスなモバイルトレーニング・学習プラットフォームを低コストで作って提供する。それがSangosthi。イン
ターネットとIVR(電話の自動応答システム。超レガシー技術)を使って作った。効果検証して教育効果があった。
1行概要(Computational Healthセッションから抜粋)
23. ● Is Saki #delicious? The Food Perception Gap on Instagram and Its Relation to Health
○ 太っている人とそうでない人は食事の写真につけるタグの傾向が異なる。そういった差異を使ってタグの傾向からその人の
肥満傾向などの健康に関わる属性を検出する(肥満・喫煙など)。Instagramの食事の写真からタグを機械学習で推定し、推
定タグと実際の人がつけたタグのギャップを見る。そのギャップと地域の肥満度(統計データ)を使って肥満傾向の高い人の
タグ付け傾向を定量化する。例えば、肥満傾向の人は「チキンカツ」が写真に写っているにも関わらず「チキンカツ」をタグ付
けしない(チキンサラダとかつけてたりする)。
● The Spread of Physical Activity Through Social Networks
○ 運動データとソーシャルデータを組み合わせて分析。友人数や友人のアクティビティが本人のアクティビティを予測する。運動
促進をするためにソーシャルネットワーク経由で友人のアクティビティを見ることは有効か?を統計モデルを作って検証。
● Blood Pressure Prediction via Recurrent Models with Contextual Layer
○ 血圧予測をRNNでがんばる話。これまでは少数サンプルの臨床研究しかなかったらしいがこの研究は大規模でやったところ
が新しいとのこと。
● Enhancing Feature Selection Using Word Embeddings: The Case of Flu Surveillance
○ テキストを使った予測の特徴選択を、単語の意味を考慮してやった。具体的にはWord2Vecで目的変数に近い単語を残しや
すくしてElastic-Netとかをしている。試しにGoogle検索クエリからインフルエンザ予測をやってみたらうまくいった。
● Adverse Drug Event Detection in Tweets with Semi-Supervised Convolutional Neural Networks
○ 薬の副作用をTwitterデータから検出する(※ 長期的な副作用とかは未知のものとかあるかもしれないから?)。ディープラー
ニングすごいけど教師データがたくさん必要。でも、薬の副作用自体が稀でTweetももちろん少ない。なので、
Semi-Supervised CNNでやった。
1行概要(Computational Healthセッションから抜粋)