基于语音声学与语言特征检测美国退伍军人自杀意念的机器学习方法
计算机与社会
2020-09-29 v2 机器学习
声音
音频与语音处理
摘要
预防退伍军人自杀是一项国家优先事项。美国退伍军人事务部（VA）收集、分析并发布数据以指导自杀预防策略。当前检测自杀意念的方法大多依赖患者自我报告，既不充分又耗时。在本研究中，我们的目标是通过机器学习（ML）算法，从个体语音的声学与语言特征中自动检测自杀意念。利用在华盛顿特区 VA 医疗中心一项关于海湾战争综合征的大型干预研究中招募的退伍军人语音数据，我们评估了不同 ML 方法在实现该目标上的表现。通过将经典 ML 与深度学习模型拟合到数据集，我们识别了对各特征集最有效的算法。在经典机器学习算法中，基于声学特征训练的支持向量机（SVM）在分类有自杀意念的退伍军人上表现最佳。在深度学习方法中，基于语言特征训练的卷积神经网络（CNN）表现最佳。我们的研究表明，机器学习流水线中的语音分析是检测退伍军人自杀倾向的一种有前景的方法。
引用
@article{arxiv.2009.09069,
title = {A Machine Learning Approach to Detect Suicidal Ideation in US Veterans Based on Acoustic and Linguistic Features of Speech},
author = {Vaibhav Sourirajan and Anas Belouali and Mary Ann Dutton and Matthew Reinhard and Jyotishman Pathak},
journal= {arXiv preprint arXiv:2009.09069},
year = {2020}
}