基于注意力 LSTM 利用远程监督从口语中检测心理压力
计算与语言
2018-10-11 v1
摘要
我们提出一种带注意力机制的长短期记忆网络（LSTM）来对自主访谈转录文本中的心理压力进行分类。我们通过基于话题标签内容自动标注推文来应用远程监督，这补充并扩展了语料库规模。这些额外数据用于初始化模型参数，并利用访谈数据对其进行微调。这提升了模型的鲁棒性，尤其通过扩展词汇量。双向带注意力的 LSTM 模型在准确率（74.1%）和 F 值（74.3%）方面被发现为最佳模型。此外，我们表明远程监督微调使模型性能提升了 1.6% 准确率和 2.1% F 值。注意力机制帮助模型选择信息量大的词。
引用
@article{arxiv.1805.12307,
title = {Attention-Based LSTM for Psychological Stress Detection from Spoken Language Using Distant Supervision},
author = {Genta Indra Winata and Onno Pepijn Kampman and Pascale Fung},
journal= {arXiv preprint arXiv:1805.12307},
year = {2018}
}
备注
Accepted in ICASSP 2018