用于转录临床访谈中抑郁症检测的节点加权图卷积网络
计算与语言
2024-03-12 v2 人工智能
摘要
我们提出了一种在图卷积网络(GCN)中对自连接边进行加权的简单方法,并展示了其在转录临床访谈抑郁症检测中的影响。为此,我们使用GCN对不连续和长距离语义进行建模,将转录文本分类为抑郁或对照受试者。所提方法旨在缓解GCN中局部性以及自连接与到邻节点边同等重要性的限制假设,同时保留低计算成本、数据不可知和可解释性等吸引人的特性。我们在两个基准数据集上进行了详尽评估。结果表明,我们的方法持续优于原始GCN模型以及先前报道的结果,在两个数据集上均达到F1=0.84。最后,定性分析说明了所提方法的可解释性能力及其与心理学先前发现的一致性。
引用
@article{arxiv.2307.00920,
title = {Node-weighted Graph Convolutional Network for Depression Detection in Transcribed Clinical Interviews},
author = {Sergio Burdisso and Esaú Villatoro-Tello and Srikanth Madikeri and Petr Motlicek},
journal= {arXiv preprint arXiv:2307.00920},
year = {2024}
}
备注
Paper Accepted to Interspeech 2023