基于混合专家模型的抑郁识别：针对访谈与阅读任务
机器学习
2026-05-12 v2 计算机与社会
摘要
抑郁是一种精神疾病，可引发心理、身体和社会等多种症状。语音已被证明是抑郁早期识别的客观标记。为此，众多研究致力于通过语音识别抑郁。然而，现有方法仅使用自发语音，忽略了通过阅读语音获取的信息，或依赖难以获取的手动转录（或来自自动转录的高错误率），且未针对输入条件计算方法进行设计。为解决这些局限性，本文首次在抑郁识别任务中获取自发语音与阅读语音的表征，采用多模态融合方法，并在单一深度神经网络中应用混合专家（Mixture of Experts, MoE）模型。具体而言，我们将两个语音文件分别转换为 log-Mel 梅度谱图、delta 与 delta-delta。随后，这两个任务的图像表征通过共享 AlexNet 模型处理。AlexNet 模型的输出作为输入传递给多模态融合方法。最终向量传递给 MoE 模块。本研究采用三种 MoE 变体：稀疏门控 MoE 与基于因子分解的多线性 MoE。研究结果表明，我们的方法在Androids语料库上实现了87.00%的准确率和86.66%的F1分数。
关键词
引用
@article{arxiv.2502.20213,
title = {Mixture of Experts for Recognizing Depression from Interview and Reading Tasks},
author = {Loukas Ilias and Dimitris Askounis},
journal= {arXiv preprint arXiv:2502.20213},
year = {2026}
}
备注
Accepted at ICASSP 2026