抑郁时语音特征间相关性的改变：利用特征相关性提升抑郁检测的速度与性能
计算与语言
2023-07-10 v2 声音
音频与语音处理
摘要
本工作表明抑郁会改变从语音中提取的特征之间的相关性。此外，表明利用这一洞见可提升基于 SVM 和 LSTM 的抑郁检测器的训练速度与性能。实验在 Androids Corpus 上进行，这是一个公开数据集，包含 112 名说话人，其中 58 人经精神科医生诊断为抑郁。结果显示，当输入为特征相关性矩阵而非特征向量时，实验中使用的模型在训练速度与性能上均有所提升。错误率的相对下降介于 23.1% 与 26.6% 之间，取决于具体模型。可能的解释是，特征相关性矩阵在抑郁说话人情况下似乎具有更大的变异性。相应地，该现象可被视为一种抑郁标志物。
引用
@article{arxiv.2307.02892,
title = {The Relationship Between Speech Features Changes When You Get Depressed: Feature Correlations for Improving Speed and Performance of Depression Detection},
author = {Fuxiang Tao and Wei Ma and Xuri Ge and Anna Esposito and Alessandro Vinciarelli},
journal= {arXiv preprint arXiv:2307.02892},
year = {2023}
}