基于深度学习的特征融合用于情感分析与中国心理支持热线自杀风险区分
计算与语言
2025-01-16 v1
摘要
心理健康是全球重要的公共卫生问题，心理支持热线在提供心理健康援助和及早识别自杀风险方面发挥着关键作用。然而，当前研究中对这些通话中传达的情感表达仍未得到充分探索。本研究引入一种方法，将音高声学特征与深度学习特征融合，用于分析和理解热线交互中表达的情感。使用来自中国最大心理支持热线的数据，我们的方法在负面二元情感分类中实现了79.13%的F1分数。此外，该方法在开放数据集上进行了多类情感分类验证，表现优于现有方法。为探索其临床相关性，我们将模型应用于分析负面情感频率和情感变化率，比较表现自杀行为者与非自杀者者46名主体。虽然自杀组在情感变化方面比非自杀组更频繁，但差异并不显著。重要的是，我们的发现表明，情感波动强度和频率可能作为心理评估量表和自杀风险预测的新特征。该方法提供了关于情感动态的宝贵见解，并有望通过与临床工具和评估的集成，推动早期干预并提高自杀预防策略。源代码已公开于https://github.com/Sco-field/Speechemotionrecognition/tree/main。
引用
@article{arxiv.2501.08696,
title = {Deep Learning-Based Feature Fusion for Emotion Analysis and Suicide Risk Differentiation in Chinese Psychological Support Hotlines},
author = {Han Wang and Jianqiang Li and Qing Zhao and Zhonglong Chen and Changwei Song and Jing Tang and Yuning Huang and Wei Zhai and Yongsheng Tong and Guanghui Fu},
journal= {arXiv preprint arXiv:2501.08696},
year = {2025}
}