利用语言特征并考虑性别差异的双相情感障碍识别
信息检索
2019-07-18 v1 计算与语言
摘要
以往大多数关于双相情感障碍（BD）自动识别模型的研究都基于社交媒体和语言特征。本研究探讨了仅采用基于语言的特征（即句法和语素搭配）的可能性。我们还考察了性别对结果的影响，因为性别长期被认为是精神障碍的重要调节因素，但在以往的语言模型中很少受到关注。本研究收集了 349 名 BD 用户（231 名女性，118 名男性）在自我披露前 3 个月的 Twitter 帖子。我们基于图模式构建和模式注意力机制，构建了一组关于词语用法的句法模式。考察的因素为性别差异、句法模式和双相识别性能。性能表明我们的 F1 分数超过 91%，优于若干基线，包括使用 TF-IDF、LIWC 和预训练语言模型（ELMO 和 BERT）的基线。本研究的贡献为：（1）特征是情境化的、领域无关的且纯语言的。（2）通过性别丰富的语言模式特征（由语言使用中的性别差异构建）提升了 BD 识别的性能。
引用
@article{arxiv.1907.07366,
title = {Leveraging Linguistic Characteristics for Bipolar Disorder Recognition with Gender Differences},
author = {Yen-Hao Huang and Yi-Hsin Chen and Fernando Henrique Calderon Alvarado and Ssu-Rui Lee and Shu-I Wu and Yuwen Lai and Yi-Shin Chen},
journal= {arXiv preprint arXiv:1907.07366},
year = {2019}
}
备注
Accepted by DSHealth '19: 2019 KDD Workshop on Applied Data Science for Healthcare