EmoHeal：基于细粒度情感的个性化治疗音乐检索端到端系统
机器学习
2025-09-22 v1 人工智能
计算与语言
人机交互
声音
音频与语音处理
摘要
现有的数字心理健康工具往往忽视了日常挑战背后微妙的情绪状态。例如，睡前焦虑影响全球超过 15 亿人，但当前的方法在很大程度上仍是静态和“一刀切”的，无法适应个体需求。在这项工作中，我们提出了 EmoHeal，一个提供个性化、三阶段支持性叙事的端到端系统。EmoHeal 使用微调的 XLM-RoBERTa 模型从用户文本中检测 27 种细粒度情绪，并通过基于音乐治疗原则（GEMS、同质原则）的知识图谱将其映射到音乐参数。EmoHeal 使用 CLAMP3 模型检索视听内容，以引导用户从当前状态过渡到更平静的状态（“匹配-引导-目标”）。一项被试内研究（N=40）证明了显著的支持效果，参与者报告了大幅度的情绪改善（M=4.12，p<0.001）和较高的感知情绪识别准确率（M=4.05，p<0.001）。感知准确率与治疗效果之间的强相关性（r=0.72，p<0.001）验证了我们的细粒度方法。这些发现确立了理论驱动、情绪感知的数字健康工具的可行性，并为将音乐治疗原则操作化提供了可扩展的 AI 蓝图。
引用
@article{arxiv.2509.15986,
title = {EmoHeal: An End-to-End System for Personalized Therapeutic Music Retrieval from Fine-grained Emotions},
author = {Xinchen Wan and Jinhua Liang and Huan Zhang},
journal= {arXiv preprint arXiv:2509.15986},
year = {2025}
}
备注
5 pages, 5 figures. Submitted to the 2026 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP 2026)