用不用BERT：基于语音与语言的方法在阿尔茨海默病检测中的比较
计算与语言
2020-08-05 v1 机器学习
摘要
鉴于阿尔茨海默病（AD）的高患病率与传统方法的高成本，自动检测AD的相关研究十分重要。由于AD显著影响自发语音的内容与声学特征，自然语言处理与机器学习为可靠检测AD提供了有前景的技术。我们在近期的ADReSS挑战数据集上比较并对比了两种此类AD检测方法的表现：1）使用基于领域知识的手工特征来捕捉语言与声学现象；2）微调基于Bidirectional Encoder Representations from Transformer（BERT）的序列分类模型。我们还比较了挑战中针对神经心理学评分任务的多个基于特征的回归模型。我们观察到，考虑到语言学在认知障碍检测中的相对重要性，微调的BERT模型在AD检测任务上优于基于特征的方法。
引用
@article{arxiv.2008.01551,
title = {To BERT or Not To BERT: Comparing Speech and Language-based Approaches for Alzheimer's Disease Detection},
author = {Aparna Balagopalan and Benjamin Eyre and Frank Rudzicz and Jekaterina Novikova},
journal= {arXiv preprint arXiv:2008.01551},
year = {2020}
}
备注
accepted to INTERSPEECH 2020