用于从转录语音预测阿尔茨海默病的想法密度
计算与语言
2017-06-15 v1
摘要
想法密度衡量在话语或文本中表达想法或基本谓词的速率。较低的想法密度被发现与患阿尔茨海默病的风险增加相关（Snowdon et al., 1996; Engelman et al., 2010）。想法密度有两种不同的版本：命题想法密度计算表达的想法，可应用于任何文本；而语义想法密度计算预定义的信息内容单元，自然更适用于规范领域，如图片描述任务。在本文中，我们开发了DEPID，一种新颖的基于依存关系计算命题想法密度的方法，以及其版本DEPID-R，该版本能够排除重复的想法——这是阿尔茨海默病言语的一个特征。我们在两个不同的阿尔茨海默病数据集上（涵盖封闭主题和自由回忆领域）的诊断分类任务中，首次对自动提取的命题想法密度和语义想法密度进行了比较。虽然在规范数据集上语义想法密度表现更好，但添加命题想法密度带来了微小但显著的改进（F1分数+1.7）。在自由主题数据集上，命题想法密度如预期般优于语义想法密度（F1分数77.6 vs 72.3），但添加源自自动语义想法密度基础的词嵌入聚类的特征后，结果显著提高，达到了84.8的F1分数。
引用
@article{arxiv.1706.04473,
title = {Idea density for predicting Alzheimer's disease from transcribed speech},
author = {Kairit Sirts and Olivier Piguet and Mark Johnson},
journal= {arXiv preprint arXiv:1706.04473},
year = {2017}
}
备注
CoNLL 2017