词嵌入增强复杂网络用于从语音转录检测轻度认知障碍
计算与语言
2017-04-27 v1
摘要
轻度认知障碍（MCI）是一种难以诊断的精神障碍。语言特征主要来自解析器，已用于检测 MCI，但这不适合大规模评估。MCI 言语不流畅产生非语法语音，需要手动或高精度自动校正转录文本。本文中，我们将转录文本建模为复杂网络并用词嵌入（CNE）丰富它们，以更好地表示神经心理学评估中产生的短文本。网络度量与知名分类器应用于自动识别转录文本中的 MCI，这是一个二分类任务。与使用词袋（BoW）和语言特征的传统方法在三个数据集上进行比较：英语的 DementiaBank，葡萄牙语的 Cinderella 和 Arizona-Battery。总体而言，CNE 比仅使用复杂网络提供了更高准确率，而支持向量机优于其他分类器。CNE 为 DementiaBank 和 Cinderella 提供了最高准确率，但 BoW 对 Arizona-Battery 数据集更高效可能由于其短叙述。使用语言特征的方法在 Cinderella 数据集转录手动修订时产生更高准确率。总之，结果表明用嵌入丰富的复杂网络在大规模评估中检测 MCI 有前景。
引用
@article{arxiv.1704.08088,
title = {Enriching Complex Networks with Word Embeddings for Detecting Mild Cognitive Impairment from Speech Transcripts},
author = {Leandro B. dos Santos and Edilson A. Corrêa and Osvaldo N. Oliveira and Diego R. Amancio and Letícia L. Mansur and Sandra M. Aluísio},
journal= {arXiv preprint arXiv:1704.08088},
year = {2017}
}
备注
Published in Annual Meeting of the Association for Computational Linguist 2017