Author(s): Carilho, José Alberto Barreto Duarte
Date: 2014
Persistent ID: http://hdl.handle.net/10451/16031
Origin: Repositório da Universidade de Lisboa
Subject(s): Demência; Registo de vida; Aprendizagem máquina; Base de conhecimento; Eventos de vida; Prótese cognitiva; Teses de mestrado - 2014
Tese de mestrado, Engenharia Informática (Engenharia de Software), Universidade de Lisboa, Faculdade de Ciências, 2014
A demência é um problema mundial que está a aumentar à medida que a população mundial fica mais velha. Os pacientes de demência sofrem com um conjunto de problemas entre os quais problemas de memória e problemas cognitivos. Outro problema que também surge com demência ´e o fardo que os responsáveis pelos doentes têm que carregar quando lidam com os pacientes. Uma abordagem comum quando se lida com demência são as sessões de reminiscência. Mas um dos problemas no uso de sessões de reminiscência é a necessidade de toda a informação a ser mostrada ter que ser recolhida e organizada por quem vai auxiliar o paciente nestas sessões. Os responsáveis pelos doentes não podem ser incutidos de mais esta tarefa uma vez que eles já estão sobrecarregados. A solução para este problema é a recolha de dados e a organização destes de uma forma automática e sem carregar os responsáveis ainda com mais trabalho. Para isto foi construído um sistema chamado de RemememberMe. O sistema tem como objectivo a criação de uma prótese cognitiva da vida do utilizador. Usando dados recolhidos de diferentes fontes é possível criar um diário da vida do utilizador, para que este possa recordar os seus dias em sessões de reminiscência. Usando um smartphone para recolher informação da vida do utilizador, é extraída dos dados recolhidos informação de alto nível. O sistema faz uso de uma rede social, para com a ajuda de amigos do utilizador fazer uma validação e posteriormente um enriquecimento dos eventos da vida do utilizador. Ao usar a rede social a carga de trabalho associada à validação e enriquecimento dos eventos é divida por várias pessoas, em vez de ficar apenas sobre uma ou duas pessoas. Toda a informação recolhida é guardada numa base de conhecimento que irá representar a vida do utilizador através de eventos. Eventos estes que podem ser detectados automaticamente através dos dados recolhidos pelo smartphone ou que podem ser introduzidos no sistema pela rede social. Este trabalho foca na criação da prótese cognitiva do sistema, onde é feita a extração de informação relevante para o utilizador, a qual é denominada de módulo de processamento de dados. Usando diversas fontes de dados para alimentar este prótese cognitiva é possível a detecção de eventos com base em dados recolhidos pelo smartphone ou em dados vindos da rede social. Ao usar uma ontologia para guardar informação recolhida, que podem ser os eventos detectados bem como informação vinda da rede social, o sistema tem a capacidade para processar essa informação de forma a obter novo conhecimento sobre a vida do utilizador. O módulo de processamento de dados é composto por três sub-módulos: detecção de eventos, gerador de questões e detecção de rotinas. O módulo de detecção de eventos usa os dados que foram recolhidos através do smartphone do utilizador para fazer a extracção de eventos. O objectivo deste módulo é fazer a transformação de dados de baixo nível para informação de alto nível e possível de ser interpretada pelos utilizadores. Este módulo faz uso de técnicas que são usadas na área da aprendizagem máquina para extrair os eventos da vida dos utilizadores com base em coordenadas GPS e com base nas fotos tiradas. Este módulo usa dois classificadores, um para as coordenadas GPS e outro para as fotos tiradas. Estes classificadores foram primeiro treinados com dados recolhidos pelo utilizador. Na fase de treino os utilizadores usam uma aplicação semelhante à que é utilizada num cenário real, mas com uma pequena diferença, que é a possibilidade de anotarem os dados que estão a recolher. Desta forma o classificador vai usar os dados recolhidos e anotados para criar um modelo para o utilizador e quando os dados reais forem processados ele usa esse modelo para detectar eventuais eventos na vida dos utilizadores. Quando os eventos são detectados estes são guardados na ontologia. Quando os eventos são guardados na ontologia o módulo que gera as perguntas vai analisar os eventos que foram detectados e criar perguntas. Estas perguntas vão ser enviadas para o Facebook de forma a que os amigos do utilizador possam ajudar a enriquecer os eventos dividindo a carga pelas várias pessoas Este módulo foi desenvolvido de forma a que novas perguntas possam ser criadas, de forma a obter outro tipo de informação. Neste módulo foram criadas três perguntas, estas perguntas foram criadas com base na necessidade de completar a informação que não era conseguida através dos dados recolhidos pelo smartphone. Foram criadas perguntas para escolher qual o local certo de um evento, esta pergunta pede aos utilizadores para escolherem o local certo de um conjunto de possíveis locais sugeridos. Também foi criada uma pergunta para serem adicionadas fotos a um determinado evento, para isto os utilizadores só tem que comentar o post relativo à pergunta com uma foto e esta fica associada a esse evento. A última pergunta criada foi para identificar quem participou num determinado evento, para isto os utilizadores apenas têm que identificar uma pessoa no post relativo à pergunta, fazem isto utilizando as funcionalidades do Facebook. O último módulo criado neste trabalho tem como objectivo a detecção de rotinas na vida de um utilizador do sistema. Para detectar estas rotinas em primeiro lugar é feita a identificação dos eventos semelhantes. Isto é feito através do uso da ontologia e da capacidade que esta trás ao sistema de comparar semanticamente os eventos. Usando esta capacidade da ontologia, vai ser criada uma lista de eventos semelhantes para cada evento e com o uso desses eventos semelhantes vão ser detectadas as rotinas. Cada conjunto de eventos semelhantes vai ser processado usando técnicas de aprendizagem máquina, do qual vão ser extraídos os pontos em comum destes eventos. É usado um cluster para analisar os eventos semelhantes e a partir daí retirar a informação para criar a rotina comum a todos esses eventos. As rotinas identificadas usando este método podem ser consideradas como nós de uma rotina maior, como ir para o trabalho, ir almoçar, voltar ao trabalho e por fim regressar a casa. O que este método faz é identificar cada um destes nós, mas tendo mais um nível de processamento é possível criar estas cadeias de eventos. Para testar esta abordagem à detecção de eventos e de rotinas, foi feito um estudo onde quatro utilizadores usaram o sistema durante uma semana. Nos dados dos restantes participantes foram detectados aproximadamente 65% dos eventos reportados nos diários de cada utilizador. No entanto apesar de este número ser relativamente baixo a detecção de eventos reportados pelos participantes pode ter ficado em algumas situações comprometida pois os participantes em algumas situações reportaram que não colocaram a aplicação a correr da forma correcta e no entanto reportaram esses eventos nos seus diários. Ao ver os eventos detectados pelo sistema e a respectiva análise feita pelos participantes do estudo pode-se confirmar que a maior parte dos eventos detectados foram confirmados pelos participantes. O que se traduziu num numero reduzido de falsos positivos, isto é eventos detectados mas não confirmados pelo utilizador.
Dementia is a global problem which is growing as the world population gets older. Dementia patients suffer from a series of problems including memory problems and cognitive problems. A problem associated with dementia disease is the burden that caregivers have when trying to maintain dementia patients with a decent lifestyle. The RememberMe system tries to create a prosthetic memory using data collected from a smartphone and data from a social network. This data is then used to create a personal diary to be used in a visualization tool. This work presents an intelligent cognitive prosthesis which aims to extract high level information from low level data. It’s achieved by extracting relevant life events from GPS data and pictures taken by the user and using an ontology to reason over the data in order to detect routines. The cognitive prosthesis consists on three modules, a life event detection module, a routine detection module and a questions generator module. The extraction of life events was made using machine learning techniques, using a classifier which was trained with tagged data from the user, the detected events are then saved on the ontology. Then using the ontology to compare the similarity between events, and using machine learning techniques it was possible to detect routines over the detected events. A study with five participants was done to evaluate our approach to detect events and routines. By collecting data during a week and creating a diary of the relevant life events, it was possible to compare the effectiveness of this approach.
