基于分层注意网络的转录临床访谈抑郁症检测方法

Adria Mallol-Ragolta、Ziping Zhao、Lukas Stappen、Nicholas Cummins、Björn W.Schuler

抑郁症在社会上的高度流行引起了人们的需求用于帮助早期检测的新数字工具。除此之外影响，抑郁影响语言的使用。寻求利用这项工作的重点是检测抑郁和非抑郁个体通过分析提取的语言信息来自与虚拟代理的临床访谈记录。明确地，我们研究了基于层次注意的优势此任务的网络。使用全局向量（Global Vectors，GloVe）预处理单词嵌入模型以提取单词的低级表示，我们比较了分层的局部-全球注意网络和分层的语境注意网络。我们对灾难分析访谈语料库-Oz向导（DAIC-Oz）数据集，包含从以下位置获取的音频、视频和语言信息临床会议期间的参与者。我们使用DAIC-OZ的结果测试集表明，分层上下文注意网络从转录本中检测抑郁最合适的配置。该配置实现了0.66的未加权平均召回（UAR）使用测试集，超过我们的基线，递归神经网络这不需要注意力。

doi:10.21437/Interspeech.2019-2036

引自：Mallol-Ragolta，A.、Zhao，L.、Stappen，L.，Cummins，N.、Schuller，B.W.（2019）《基于分层注意网络的转录临床访谈抑郁症检测方法》。程序。Interspeech 2019，221-225，doi:10.21437/Interspeech2019-2036

@正在进行{mallolragolta19_interspeech，author={阿德里亚·马尔洛尔·拉戈塔（Adria Mallol-Ragolta）、齐平·赵（Ziping Zhao）、卢卡斯·斯塔彭（Lukas Stappen）、尼古拉斯·康明斯（Nicholas Cummins）和比约恩·舒勒（Björn W.Sch，title＝{{用于从转录的临床访谈中检测抑郁症的基于分层注意力网络的方法}}，年份=2019，booktitle={Proc.Interspeech 2019}，页数={221--225}，doi＝{10.21437/Interspeech.2019-2036}，issn={2958-1796}}