Fugu-MT 論文翻訳(概要): Evaluating Lexicon Incorporation for Depression Symptom Estimation

論文の概要: Evaluating Lexicon Incorporation for Depression Symptom Estimation

arxiv url: http://arxiv.org/abs/2404.19359v1
Date: Tue, 30 Apr 2024 08:41:06 GMT
ステータス: 処理完了
システム内更新日: 2024-05-01 14:54:33.957163
Title: Evaluating Lexicon Incorporation for Depression Symptom Estimation
Title（参考訳）: 抑うつ症状推定のための辞書導入の評価
Authors: Kirill Milintsevich, Gaël Dias, Kairit Sirts,
Abstract要約: 本稿では、抑うつ症状推定のためのトランスフォーマーモデルに感情、感情、およびドメイン固有の語彙を組み込むことによる影響について検討する。その結果,事前学習言語モデルにおける外部知識の導入は,予測性能に有益であることが示唆された。患者とセラピストの面接による抑うつレベルの推定について, 最新の研究結果を得た。
参考スコア（独自算出の注目度）: 2.149662952755067
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper explores the impact of incorporating sentiment, emotion, and domain-specific lexicons into a transformer-based model for depression symptom estimation. Lexicon information is added by marking the words in the input transcripts of patient-therapist conversations as well as in social media posts. Overall results show that the introduction of external knowledge within pre-trained language models can be beneficial for prediction performance, while different lexicons show distinct behaviours depending on the targeted task. Additionally, new state-of-the-art results are obtained for the estimation of depression level over patient-therapist interviews.
Abstract（参考訳）: 本稿では、抑うつ症状推定のためのトランスフォーマーモデルに感情、感情、およびドメイン固有の語彙を組み込むことによる影響について検討する。患者とセラピストの会話の入力書き起こしやソーシャルメディアの投稿で単語をマークすることで、語彙情報を追加する。以上の結果から,事前学習した言語モデルにおける外部知識の導入は予測性能に有益であることが示唆された。さらに, 患者・セラピストの面接におけるうつ病レベルを推定するために, 新たな検査結果を得た。

関連論文リスト

Robust and Explainable Depression Identification from Speech Using Vowel-Based Ensemble Learning Approaches [5.102770724328495]
本研究では、音声から抑うつを識別するための説明可能な機械学習アルゴリズムについて検討する。個別の患者健康アンケート8(PHQ-8)項目スコアを予測する8つのモデルを備えたボットアップアプローチと、うつ病を評価するルータモジュールを備えたMixture of Experts(MoE)を用いた"トップダウン"アプローチである。どちらの手法も最先端のベースラインに匹敵するパフォーマンスを描いており、平均/中間値のデータセットに対する重大さと感受性の低下を示している。
論文参考訳（メタデータ） (2024-10-23T22:03:09Z)
A BERT-Based Summarization approach for depression detection [1.7363112470483526]
うつ病は世界中で流行する精神疾患であり、対処されないと深刻な反感を引き起こす可能性がある。機械学習と人工知能は、さまざまなデータソースからのうつ病指標を自律的に検出することができる。本研究では,入力テキストの長さと複雑さを低減させる前処理手法として,テキスト要約を提案する。
論文参考訳（メタデータ） (2024-09-13T02:14:34Z)
Infusing Acoustic Pause Context into Text-Based Dementia Assessment [7.8642589679025034]
本研究は, 認知障害のない被験者の認知状態, 軽度認知障害, およびアルツハイマー認知症を, 臨床的評価に基づいて区別するために, 言語モデルにおける停止強調文字の使用について検討した。この性能は、ドイツ語の言語頻度テストと画像記述テストの実験を通じて評価され、異なる音声生成コンテキストにおけるモデルの有効性を比較した。
論文参考訳（メタデータ） (2024-08-27T16:44:41Z)
LLM Questionnaire Completion for Automatic Psychiatric Assessment [49.1574468325115]
大規模言語モデル(LLM)を用いて、非構造的心理面接を、様々な精神科領域と人格領域にまたがる構造化された質問票に変換する。得られた回答は、うつ病の標準化された精神医学的指標(PHQ-8)とPTSD(PCL-C)の予測に使用される特徴として符号化される。
論文参考訳（メタデータ） (2024-06-09T09:03:11Z)
Speech-based Clinical Depression Screening: An Empirical Study [32.84863235794086]
本研究では,AIを用いた抑うつスクリーニングにおける音声信号の有用性について検討した。参加者には、北京大学第6病院の外来から採用されているうつ病患者が含まれる。音声と深部音声の特徴を各参加者の分節録音から抽出した。
論文参考訳（メタデータ） (2024-06-05T09:43:54Z)
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)
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)
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)
Sentiment-Aware Word and Sentence Level Pre-training for Sentiment Analysis [64.70116276295609]
SentiWSPは、WordレベルとSentenceレベルの事前トレーニングタスクを組み合わせた、Sentiment対応の事前トレーニング言語モデルである。 SentiWSPは、様々な文レベルおよびアスペクトレベルの感情分類ベンチマーク上で、最先端のパフォーマンスを新たに達成する。
論文参考訳（メタデータ） (2022-10-18T12:25:29Z)
Pose-based Body Language Recognition for Emotion and Psychiatric Symptom Interpretation [75.3147962600095]
通常のRGBビデオから始まるボディーランゲージに基づく感情認識のための自動フレームワークを提案する。心理学者との連携により,精神症状予測の枠組みを拡張した。提案されたフレームワークの特定のアプリケーションドメインは限られた量のデータしか供給しないため、フレームワークは小さなトレーニングセットで動作するように設計されている。
論文参考訳（メタデータ） (2020-10-30T18:45:16Z)
Continuous Emotion Recognition via Deep Convolutional Autoencoder and Support Vector Regressor [70.2226417364135]
マシンはユーザの感情状態を高い精度で認識できることが不可欠である。ディープニューラルネットワークは感情を認識する上で大きな成功を収めている。表情認識に基づく連続的感情認識のための新しいモデルを提案する。
論文参考訳（メタデータ） (2020-01-31T17:47:16Z)

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。