一种用于抑郁症检测的基于 BERT 的摘要方法
计算与语言
2024-09-16 v1 人工智能
摘要
抑郁症是一种全球普遍存在的心理障碍，如果不加以处理，可能会产生严重的后果，特别是对于有反复发作的个体。先前的研究表明，早期干预有可能减轻或缓解抑郁症的症状。然而，在现实环境中实施此类干预可能面临相当大的挑战。一种有前景的策略涉及利用机器学习和人工智能从多种数据源中自主检测抑郁症指标。最广泛可用且信息丰富的数据源之一是文本，它可以揭示一个人的情绪、思想和感受。在此背景下，被编程以使用临床验证问卷（如在 DAIC-WOZ 数据集中发现的那些）进行访谈的虚拟代理，为通过语言分析进行抑郁症检测提供了稳健的手段。利用基于 BERT 的模型（这些模型功能强大且通用，但比当代大型语言模型使用的资源更少）将文本转换为数值表示，显著提高了抑郁症诊断的精度。这些模型能够巧妙地捕捉复杂的语义和句法细微差别，提高了抑郁症状的检测准确率。鉴于这些模型在文本长度方面的固有局限性，我们的研究提出将文本摘要作为一种预处理技术，以降低输入文本的长度和复杂性。在我们独特开发的用于特征提取和分类的框架内实施该方法，在测试集上获得了 0.67 的 F1 分数，超越了所有先前的基准，在验证集上获得了 0.81 的 F1 分数，超过了 DAIC-WOZ 数据集上的大多数先前结果。此外，我们设计了一个抑郁症词典来评估摘要质量和相关性。该词典是抑郁症检测持续研究中的宝贵资产。
引用
@article{arxiv.2409.08483,
title = {A BERT-Based Summarization approach for depression detection},
author = {Hossein Salahshoor Gavalan and Mohmmad Naim Rastgoo and Bahareh Nakisa},
journal= {arXiv preprint arXiv:2409.08483},
year = {2024}
}