Deep Learning-Based Feature Fusion for Emotion Analysis and Suicide Risk Differentiation in Chinese Psychological Support Hotlines

要約

メンタルヘルスは世界的に重要な公衆衛生問題であり、心理サポート ホットラインはメンタルヘルス支援を提供し、自殺リスクを早期に特定する上で極めて重要な役割を果たしています。
しかし、これらの通話中に伝わる感情表現については、現在の研究ではまだ解明されていません。
この研究では、ピッチ音響特徴と深層学習ベースの特徴を組み合わせて、ホットラインでのやり取り中に表現される感情を分析および理解する方法を紹介します。
中国最大の心理サポートホットラインからのデータを使用して、私たちの方法は否定的なバイナリ感情分類で79.13％のF1スコアを達成しました。さらに、提案されたアプローチは、マルチクラス感情分類のオープンデータセットで検証され、提案されたアプローチと比較して優れたパフォーマンスが実証されました。
最先端のメソッド。
その臨床的関連性を探るため、我々はモデルを適用して否定的な感情の頻度と会話中の感情変化の割合を分析し、自殺行動のある被験者46名と自殺行動のない被験者を比較した。
自殺グループは非自殺グループよりも頻繁な感情変化を示しましたが、その差は統計的に有意ではありませんでした。重要なことに、私たちの調査結果は、感情の変動の強度と頻度が心理的評価スケールと自殺リスク予測の新しい特徴として機能する可能性があることを示唆しています。
この方法は感情のダイナミクスに関する貴重な洞察を提供し、臨床ツールや評価との統合を通じて早期介入を推進し、自殺予防戦略を改善する可能性を秘めています。ソースコードは以下で公開されています。
https://github.com/Sco-field/Speechemotionrecognition/tree/main。

要約(オリジナル)

Mental health is a critical global public health issue, and psychological support hotlines play a pivotal role in providing mental health assistance and identifying suicide risks at an early stage. However, the emotional expressions conveyed during these calls remain underexplored in current research. This study introduces a method that combines pitch acoustic features with deep learning-based features to analyze and understand emotions expressed during hotline interactions. Using data from China’s largest psychological support hotline, our method achieved an F1-score of 79.13% for negative binary emotion classification.Additionally, the proposed approach was validated on an open dataset for multi-class emotion classification,where it demonstrated better performance compared to the state-of-the-art methods. To explore its clinical relevance, we applied the model to analysis the frequency of negative emotions and the rate of emotional change in the conversation, comparing 46 subjects with suicidal behavior to those without. While the suicidal group exhibited more frequent emotional changes than the non-suicidal group, the difference was not statistically significant.Importantly, our findings suggest that emotional fluctuation intensity and frequency could serve as novel features for psychological assessment scales and suicide risk prediction.The proposed method provides valuable insights into emotional dynamics and has the potential to advance early intervention and improve suicide prevention strategies through integration with clinical tools and assessments The source code is publicly available at https://github.com/Sco-field/Speechemotionrecognition/tree/main.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google