基于自然语言处理能力的聊天机器人用于自动检测老年人认知功能障碍

先前的研究者提出了用于治疗性认知功能障碍监测的智能系统。然而，大多数现有的实际方法都基于手动测试，这引发了过多的照护劳动和白板效应等问题。为避免这些问题，我们提出了一个用于与年长者进行娱乐对话的智能对话系统，该系统能透明地监测认知功能障碍。自动化的聊天机器人对话阶段允许评估内容描述技能并通过机器学习算法检测认知功能障碍。我们使用自然语言生成技术自动从更新的新闻条目中创建这些对话流程。该系统还推断这些问题答案的黄金标准，从而能够通过将这些答案与用户响应进行比较来自动评估认知功能。它采用一种取值在[0, 1]区间的相似度度量，以衡量相似度水平的增加。为了评估我们方法的性能和可用性，我们在30名早期痴呆患者的测试小组下进行了现场测试，在护士师的监督下。在实验中，我们分析了这些用户的压力和注意力对其影响。没有认知功能障碍的用户表现出最多5倍的优势。特别是，相似度度量在压力且不专注的参与者之间为0.03，而在放松且专注的用户之间为0.36。最后，我们开发了一个基于文本分析特征的机器学习算法，用于自动检测认知功能障碍，该算法在准确率、F值和召回率方面均超过80%。我们因此验证了基于娱乐内容自动检测老年人认知功能障碍的自动方法。