用于抑郁症症状严重度预测的第一人称代词深度表示
计算与语言
2023-10-06 v1 人工智能
摘要
先前研究表明，分析第一人称单数代词的使用可揭示个体的心理状态，尤其是抑郁症症状严重度。这些发现通过统计文本数据中第一人称单数代词的频率得出。然而，计数无法捕捉这些代词的使用方式。神经语言建模的最新进展已利用生成上下文嵌入的方法。在本研究中，我们试图利用从上下文语言表示模型获得的代词嵌入来捕捉这些代词的使用方式，以分析心理状态。研究使用在线心理治疗期间发送的去标识短信，并配合每周抑郁症严重度评估进行验证。结果表明，在预测抑郁症症状严重度方面，上下文第一人称代词嵌入优于标准分类词元嵌入和基于频率的代词分析结果。这意味着第一人称代词的上下文表示可增强抑郁症症状患者所用语言的预测效用。
引用
@article{arxiv.2310.03232,
title = {Deep Representations of First-person Pronouns for Prediction of Depression Symptom Severity},
author = {Xinyang Ren and Hannah A Burkhardt and Patricia A Areán and Thomas D Hull and Trevor Cohen},
journal= {arXiv preprint arXiv:2310.03232},
year = {2023}
}
备注
Accepted: AMIA Annual Symposium 2023. To appear as: Ren X, Burkhardt H, Are\'an P, Hull T, Cohen T. Deep Representations of First-person Pronouns for Prediction of Depression Symptom Severity. AMIA Annual Symposium Proceedings 2023. American Medical Informatics Association