基于编码器权重-only 迁移学习和大型语料库的语音-based 抑郁预测
音频与语音处理
2024-12-30 v1 计算与语言
摘要
语音算法近年来在管理行为健康状况如抑郁方面受到关注。我们探索了一种基于语音的迁移学习方法，使用轻量级编码器且仅迁移编码器权重，从而实现简化的运行时模型。本研究使用的数据集规模是先前工作使用的约两个数量级，涵盖更多说话人和会话。大数据集使得可靠地估计迁移学习的改进成为可能。针对 PHQ-8 标签的预测结果显示，二分类可实现最高达 27% 的相对性能提升；这些提升在 p 值接近零的情况下具有统计显著性。回归任务也发现了改进。此外，迁移学习的收益似乎并不要求源任务具有强大的性能。结果表明，这种方法灵活且具有高效实施的前景。
引用
@article{arxiv.2412.16900,
title = {Speech-Based Depression Prediction Using Encoder-Weight-Only Transfer Learning and a Large Corpus},
author = {Amir Harati and Elizabeth Shriberg and Tomasz Rutowski and Piotr Chlebek and Yang Lu and Ricardo Oliveira},
journal= {arXiv preprint arXiv:2412.16900},
year = {2024}
}