DAIC-WOZ：关于在临床访谈中使用治疗师提示进行自动抑郁检测的有效性
计算与语言
2024-10-24 v1 人工智能
计算机与社会
机器学习
摘要
从对话数据中进行自动抑郁检测在近年来获得了广泛关注。DAIC-WOZ 数据集是由人工控制的虚拟代理进行访谈，已被广泛用于该任务。最近的研究报告称，纳入访谈者提示后可获得更好的性能。在本文中，我们假设这种改进主要归因于这些提示中存在的偏差，而非所提出的架构和方法。通过消除实验和定性分析，我们发现使用访谈者提示的模型会聚焦于访谈中询问过去精神健康问题的区域，并将其作为检测抑郁参与者的判别性捷径。相比之下，使用参与者响应的模型会从整个访谈中收集证据。最终，为了凸显这一偏差的规模，我们通过有意识地利用它获得了 0.90 的 F1 分数，这是截至目前仅使用文本信息在此数据集上报告的最高结果。我们的发现凸显了在模型中纳入访谈者提示的必要谨慎，由于它们可能无意中学习到利用特定提示，而非学习真正反映患者心理健康状况的语言和行为特征。
引用
@article{arxiv.2404.14463,
title = {DAIC-WOZ: On the Validity of Using the Therapist's prompts in Automatic Depression Detection from Clinical Interviews},
author = {Sergio Burdisso and Ernesto Reyes-Ramírez and Esaú Villatoro-Tello and Fernando Sánchez-Vega and Pastor López-Monroy and Petr Motlicek},
journal= {arXiv preprint arXiv:2404.14463},
year = {2024}
}
备注
Accepted to Clinical NLP workshop at NAACL 2024