基于交互式多主题协作的抑郁预测
计算与语言
2025-08-12 v2 人工智能
摘要
自动抑郁检测为临床干预提供线索。抑郁诊断的临床访谈涉及围绕多个主题的对话。现有研究主要设计端到端神经网络模型以捕捉临床访谈对话的层次结构。然而, 这些方法在建模临床访谈主题内容方面存在缺陷: (i) 未能显式地捕捉主题内部关联和主题间关联; (ii) 不允许临床医生干预并聚焦于感兴趣的主题。为此, 本文引入一种交互式抑郁检测框架。该框架利用基于上下文的学习技术识别访谈中的主题, 然后建模主题内部和主题间的关联。此外, 采用 AI 驱动的反馈模拟临床医生的兴趣, 实现主题重要性的交互式调整。PDIMC 在抑郁检测数据集 DAIC-WOZ 上相较于最新方法实现了 35% 和 12% 的绝对提升, 证明了建模主题关联和融入交互式外部反馈的有效性。
引用
@article{arxiv.2502.12204,
title = {Predicting Depression in Screening Interviews from Interactive Multi-Theme Collaboration},
author = {Xianbing Zhao and Yiqing Lyu and Di Wang and Buzhou Tang},
journal= {arXiv preprint arXiv:2502.12204},
year = {2025}
}
备注
Findings of ACL2025