面向对话中抑郁症检测的多任务学习
计算与语言
2022-08-23 v1 人工智能
机器学习
摘要
抑郁症是一种严重的精神疾病，影响人们的交流方式，尤其通过情绪以及据称影响他们与他人的互动方式。本工作考察对话中的抑郁信号，这是一个研究较少且受数据稀疏困扰的场景。我们假设抑郁与情绪能够相互提供信息，并提议通过话题与对话行为预测来探索对话结构的影响。我们研究了一种多任务学习（MTL）方法，其中上述所有任务均与针对对话定制的层次化建模联合学习。我们在 DAIC 和 DailyDialog 语料库（均包含英语对话）上进行实验，并在抑郁症检测上展示出对现有最优方法的重要改进（最优达70.6% F1），这证明了抑郁与情绪及对话组织的相关性，以及 MTL 利用不同来源信息的能力。
引用
@article{arxiv.2208.10250,
title = {Multi-Task Learning for Depression Detection in Dialogs},
author = {Chuyuan Li and Chloé Braud and Maxime Amblard},
journal= {arXiv preprint arXiv:2208.10250},
year = {2022}
}