奇妙的特徵及其何处寻：以子序列分类引导方法检测认知障碍
机器学习
2020-10-14 v1 计算与语言
摘要
尽管基于嵌入的机器学习方法在自然语言处理任务上取得广泛报道的成功，在认知障碍（CI）检测等领域中，使用更易解释的工程设计特征仍很常见。从噪声文本中人工设计特征耗时耗力，并可能产生无法提升模型性能的特征。为此，我们描述了一种利用序列机器学习模型与领域知识来预测哪些特征有助于提升性能的新特征工程方法。我们在一个标准的CI语音数据集上给出了该方法的具体示例，并表明使用该方法生成的特征时，CI分类准确率比强基线提升了2.3%。该示例展示了此方法如何用于辅助在可解释性重要的领域（如医疗健康）中的分类任务。
引用
@article{arxiv.2010.06579,
title = {Fantastic Features and Where to Find Them: Detecting Cognitive Impairment with a Subsequence Classification Guided Approach},
author = {Benjamin Eyre and Aparna Balagopalan and Jekaterina Novikova},
journal= {arXiv preprint arXiv:2010.06579},
year = {2020}
}
备注
EMNLP Workshop on Noisy User-generated Text (W-NUT 2020)