Evaluating Lexicon Incorporation for Depression Symptom Estimation

要約

この論文では、うつ病の症状を推定するためのトランスフォーマーベースのモデルにセンチメント、感情、およびドメイン固有の語彙を組み込むことの影響を調査します。
語彙情報は、患者とセラピストの会話の入力トランスクリプトおよびソーシャル メディアの投稿内の単語をマークすることによって追加されます。
全体的な結果は、事前トレーニングされた言語モデル内に外部知識を導入することが予測パフォーマンスに有益である一方、さまざまな語彙が対象のタスクに応じて異なる動作を示すことを示しています。
さらに、患者とセラピストの面接によるうつ病レベルの推定に関して、新しい最先端の結果が得られました。

要約(オリジナル)

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.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google