基于深度语言模型和迁移学习的抑郁和焦虑预测
计算与语言
2024-12-31 v1
摘要
数字筛查和监测应用程序可帮助提供者管理行为健康状况。我们探索了用于从与应用程序进行 16k 用户交互期间收集的对话语音中检测抑郁、焦虑及其共存情况的深度语言模型。标签来源于应用程序收集的 PHQ-8 和 GAD-7 结果。我们发现，根据条件和共存情况，二元分类的结果范围为 0.86 到 0.79 的 AUC。最佳性能在用户同时患有两种疾病或两种疾病都不患时 achieved， 我们证明这一结果并非归因于数据偏斜。最后，我们发现表明底层词语序列线索可能对抑郁比对焦虑更突出。
引用
@article{arxiv.2412.20741,
title = {Depression and Anxiety Prediction Using Deep Language Models and Transfer Learning},
author = {Tomasz Rutowski and Elizabeth Shriberg and Amir Harati and Yang Lu and Piotr Chlebek and Ricardo Oliveira},
journal= {arXiv preprint arXiv:2412.20741},
year = {2024}
}