引入无监督表示学习和堆叠双向GRU的预测模型

可穿戴设备正侵入我们的生活,通过其内嵌的传感器采集大量数据为获取人体的各项指标提供参考,但相关数据的敏感性和隐私性局限了可获取的疾病标签,为健康预测增添了一定的难度.为了解决可获得的人体活动数据多但是疾病标签匮乏的问题,提出了一种称为act2vec的无监督表示学习模型,该方法从原始活动数据中学习时序数据的特征表示,通过分布式表示来挖掘可用于疾病预测任务的活动模式.考虑到数据的特征矩阵无法全面反映样本特性的问题,通过考虑活动等级的周期性,嵌入代表活动级别的序数关系,利用噪声对比估计构建表示学习损失函数,提取数据特征矩阵.最后,引入所学习的特征矩阵构建堆叠双向GRU模型以进行疾病预测.2个数据集上的实验表明了所提方法的有效性.