面向抑郁语言检测的跨领域语义增强综合实证分析

我们分析了在标注数据稀缺时（例如从推文中检测抑郁语言）为学习任务创建词嵌入特征表示的过程。我们从一个从大型通用数据集预训练的丰富词嵌入开始，然后通过简单的非线性映射机制，用从更小且更特定的领域数据集学习到的嵌入对其进行增强。我们还尝试了几种其他更复杂的此类映射方法，包括若干基于自编码器和基于自定义损失函数的方法，这些方法通过逐渐学习接近语义相似词、远离语义不相似词来学习嵌入表示。我们强化后的表示更好地捕捉了抑郁领域的语义，因为它结合了从特定领域学到的语义以及来自通用语言的词覆盖。我们还展示了我们的词嵌入表示与简单的词袋模型、知名的_sentiment_和_psycholinguistic_词典以及通用预训练词嵌入的对比性能分析。当作为若干不同机器学习方法（包括深度学习模型）在抑郁推文识别任务中的特征表示时，我们表明我们的增强词嵌入表示取得了显著优于其他方法的 F1 分数，特别是在应用于高质量数据集时。此外，我们进行了若干数据消融测试，证实了增强技术的有效性。