基于隐喻概念映射辅助的层次注意力网络用于Twitter可解释抑郁检测
计算与语言
2022-09-16 v1 社会与信息网络
摘要
Twitter上的自动抑郁检测可帮助个体在见心理健康专业人员前的早期阶段私密便捷地了解自身心理健康状况。现有大多数用于抑郁检测的类黑盒深度学习方法主要关注提升分类性能。然而，在健康研究中解释模型决策至关重要，因为决策常涉及高风险与生死攸关。包括抑郁在内的心理健康问题的可靠自动诊断应由证明模型预测的合理可信解释所支持。在本工作中，我们提出一种新颖的可解释Twitter抑郁检测模型。它包含一种结合层次注意力机制与前馈神经网络的新颖编码器。为支持心理语言学研究，我们的模型利用隐喻性概念映射作为输入。因此，它不仅能检测抑郁个体，还能识别此类用户推文的特征及关联的隐喻概念映射。
引用
@article{arxiv.2209.07494,
title = {Hierarchical Attention Network for Explainable Depression Detection on Twitter Aided by Metaphor Concept Mappings},
author = {Sooji Han and Rui Mao and Erik Cambria},
journal= {arXiv preprint arXiv:2209.07494},
year = {2022}
}