論文の概要: Affective Conditioning on Hierarchical Networks applied to Depression
Detection from Transcribed Clinical Interviews
- arxiv url: http://arxiv.org/abs/2006.08336v1
- Date: Thu, 4 Jun 2020 20:55:22 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-25 08:58:02.184280
- Title: Affective Conditioning on Hierarchical Networks applied to Depression
Detection from Transcribed Clinical Interviews
- Title（参考訳）: 転写臨床面接の抑うつ検出に応用した階層型ネットワークに対する影響条件付け
- Authors: D. Xezonaki, G. Paraskevopoulos, A. Potamianos, S. Narayanan
- Abstract要約: 抑うつは、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。
我々は階層的注意ネットワークを用いて抑うつ者のインタビューを分類する。
我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this work we propose a machine learning model for depression detection
from transcribed clinical interviews. Depression is a mental disorder that
impacts not only the subject's mood but also the use of language. To this end
we use a Hierarchical Attention Network to classify interviews of depressed
subjects. We augment the attention layer of our model with a conditioning
mechanism on linguistic features, extracted from affective lexica. Our analysis
shows that individuals diagnosed with depression use affective language to a
greater extent than not-depressed. Our experiments show that external affective
information improves the performance of the proposed architecture in the
General Psychotherapy Corpus and the DAIC-WoZ 2017 depression datasets,
achieving state-of-the-art 71.6 and 68.6 F1 scores respectively.
- Abstract（参考訳）: 本研究では, 臨床面接からうつ病検出のための機械学習モデルを提案する。
うつ病は、被験者の気分だけでなく、言語の使用にも影響を及ぼす精神障害である。
この目的のために,階層的注意ネットワークを用いて抑うつ者の面接を分類する。
我々は,情緒的レキシカから抽出した言語的特徴の条件付け機構により,モデルの注意層を増強する。
分析の結果,うつ病と診断された人は,非うつ病よりも感情言語を多く用いていることがわかった。
実験の結果, 一般心理療法コーパスとDAIC-WoZ 2017うつ病データセットにおいて, 外部情緒情報により, それぞれ71.6点, 68.6点のF1値が得られた。
関連論文リスト
- Exploring Social Media Posts for Depression Identification: A Study on Reddit Dataset [0.0]
うつ病は個人の個人的および専門的な生活に影響を与える最も一般的な精神疾患の1つである。
本研究では,個人のうつ病を識別するためのソーシャルメディア投稿の活用の可能性について検討した。
論文 参考訳（メタデータ） (2024-04-16T06:25:51Z) - Enhancing Depression-Diagnosis-Oriented Chat with Psychological State Tracking [27.96718892323191]
Depression-diagnosis-oriented chatは、自己表現の患者を誘導し、うつ病検出の主要な症状を収集することを目的としている。
最近の研究は、面接に基づくうつ病の診断をシミュレートするために、タスク指向対話とchitchatを組み合わせることに焦点を当てている。
対話をガイドするための明確なフレームワークは検討されていない。
論文 参考訳（メタデータ） (2024-03-12T07:17:01Z) - CauESC: A Causal Aware Model for Emotional Support Conversation [79.4451588204647]
既存のアプローチは、苦痛の感情の原因を無視します。
彼らは、話者間の相互作用における感情的ダイナミクスよりも、探究者自身の精神状態に焦点を当てている。
本稿では、まず、苦痛の感情要因と、その原因によって引き起こされる感情効果を認識する新しいフレームワークCauESCを提案する。
論文 参考訳（メタデータ） (2024-01-31T11:30:24Z) - The Relationship Between Speech Features Changes When You Get Depressed:
Feature Correlations for Improving Speed and Performance of Depression
Detection [69.88072583383085]
この研究は、抑うつが音声から抽出した特徴間の相関を変化させることを示す。
このような洞察を用いることで、SVMとLSTMに基づく抑うつ検出器のトレーニング速度と性能を向上させることができる。
論文 参考訳（メタデータ） (2023-07-06T09:54:35Z) - Depression detection in social media posts using affective and social
norm features [84.12658971655253]
ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。
我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。
提案された機能を含めると、両方の設定で最先端の結果が得られます。
論文 参考訳（メタデータ） (2023-03-24T21:26:27Z) - Handwriting and Drawing for Depression Detection: A Preliminary Study [53.11777541341063]
精神健康に対する短期的コビデンスの影響は、不安や抑うつ症状の顕著な増加であった。
本研究の目的は、健康な人とうつ病患者を識別するために、オンライン手書き・図面解析という新しいツールを使用することである。
論文 参考訳（メタデータ） (2023-02-05T22:33:49Z) - Semantic Similarity Models for Depression Severity Estimation [53.72188878602294]
本稿では、ソーシャルメディアの文章に基づいて、個人のうつ病の重症度を研究するための効率的なセマンティックパイプラインを提案する。
我々は,抑うつ症状と重度レベルに対応する代表訓練文の指標に対して意味的ランキングを生成するために,テストユーザ文を使用する。
本手法を2つのRedditベースのベンチマークで評価し,うつ病の重症度を指標として,最先端技術よりも30%改善した。
論文 参考訳（メタデータ） (2022-11-14T18:47:26Z) - Automatic Depression Detection: An Emotional Audio-Textual Corpus and a
GRU/BiLSTM-based Model [17.83052349861756]
うつ病は世界的なメンタルヘルスの問題であり、最悪のケースは自殺につながる可能性がある。
参加者のインタビューから音声の特徴と言語内容を利用した抑うつ検出手法を提案する。
うつ病や非うつ病のボランティアから音声と回答の書き起こしを抽出した情緒的音声テキスト圧縮コーパス(EATD-Corpus)を構築した。
論文 参考訳（メタデータ） (2022-02-15T03:29:39Z) - A Psychologically Informed Part-of-Speech Analysis of Depression in
Social Media [1.7188280334580193]
私たちは、Early Risk Prediction on the Internet Workshop (eRisk) 2018のうつ病データセットを使用します。
その結果, うつ病者と非うつ病者の間に統計的に有意な差が認められた。
我々の研究は、抑うつした個人がソーシャルメディアプラットフォーム上で自己表現している方法に関する洞察を提供する。
論文 参考訳（メタデータ） (2021-07-31T16:23:22Z) - An Exploratory Analysis of the Relation Between Offensive Language and
Mental Health [3.333967282951668]
我々は,自己報告型うつ病診断の有無にかかわらず,個人グループによって書かれたソーシャルメディア投稿における攻撃的言語の使用を比較するために,計算モデルを訓練する。
分析の結果,自己報告型うつ病の患者やうつ病の徴候を呈する患者では,攻撃的言語がより頻繁に使用されることが明らかとなった。
論文 参考訳（メタデータ） (2021-05-31T11:25:07Z) - Deep Multi-task Learning for Depression Detection and Prediction in
Longitudinal Data [50.02223091927777]
うつ病は最も多い精神疾患の1つであり、世界中の年齢の何百万人もの人々に影響を与えている。
機械学習技術は、早期介入と治療のためのうつ病の自動検出と予測を可能にしている。
本稿では、この課題に対処するために、2つの補助的タスクでうつ病分類を共同最適化する、新しいディープマルチタスクリカレントニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-05T05:14:14Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。