用于行为编码的多标签多任务深度学习
计算与语言
2020-10-07 v2
摘要
我们提出了一种利用多标签和多任务学习范式来估计心理治疗会话中人类行为的方法。我们讨论了行为编码问题，其中人类交互数据被标注标签以描述感兴趣的相关人类行为。我们描述了两个相关但不同的语料库，包含心理治疗会话中治疗师与来访者的交互。我们在实验上比较了所提出的学习方法在这些数据集中估计感兴趣行为的表现。具体而言，我们比较了单标签与多标签学习方法、单任务与多任务学习方法，并评估了这些方法在纳入话轮上下文时的性能。我们展示了使用所提出范式可实现的预测性能提升，并讨论了这些模型对复杂交互所提供的洞察。
引用
@article{arxiv.1810.12349,
title = {Multi-label Multi-task Deep Learning for Behavioral Coding},
author = {James Gibson and David C. Atkins and Torrey Creed and Zac Imel and Panayiotis Georgiou and Shrikanth Narayanan},
journal= {arXiv preprint arXiv:1810.12349},
year = {2020}
}