词语语义与音系如何影响阿尔茨海默病患者的书写：基于机器学习的分析
计算与语言
2024-01-08 v1 人工智能
摘要
利用书写的运动学特性来辅助神经退行性疾病的诊断是一项真正的挑战：非侵入式检测技术与机器学习方法相结合，有望在这一研究领域取得重大进展。文献中提出的任务侧重于不同的认知技能以引发书写运动。特别是，待抄写词语的意义与音系会损害书写流畅性。本文研究了词语语义与音系如何影响阿尔茨海默病患者的书写。为此，我们使用了六项书写任务的数据，每项任务要求抄写一个属于以下类别之一的词语：规则词（具有可预测的音素—字素对应，如 cat）、非规则词（具有非典型音素—字素对应，如 laugh）以及非词（符合音素—字素转换规则的无意义可发音字母串）。我们采用机器学习方法，通过实现四种知名且广泛使用的分类器并进行特征选择来分析数据。实验结果表明，特征选择使我们能够为每种词类型推导出一组不同的高区分度特征。此外，非规则词平均需要更多特征，但取得了优异的分类性能：最佳结果出现在非规则词上，准确率接近 90%。
引用
@article{arxiv.2307.04762,
title = {How word semantics and phonology affect handwriting of Alzheimer's patients: a machine learning based analysis},
author = {Nicole Dalia Cilia and Claudio De Stefano and Francesco Fontanella and Sabato Marco Siniscalchi},
journal= {arXiv preprint arXiv:2307.04762},
year = {2024}
}