计算机工程

作者：张亚洲, 和玉, 戎璐, 王祥凯

单位：1. 郑州轻工业大学软件学院，河南 郑州 4500012. 郑州轻工业大学人事处，河南 郑州 4500013. 山东正云信息科技有限公司，山东 济南 250104

关键词：抑郁检测,序列模型,深度学习,Transformer模型,双向长短期记忆模型

基金：国家自然科学基金青年基金项目(62006212); 河南省科技攻关研究项目(222102210031); 中国博士后科学基金面上项目(2023M733907)

抑郁症作为一种常见的心理健康问题，严重影响人们的日常生活甚至是生命安全。鉴于目前的抑郁症检测存在主观性和人工干预等缺点，基于深度学习的自动检测方式成为热门研究方向。对于最易获取的文本模态而言，主要的挑战在于如何建模抑郁文本中的长距离依赖与序列依赖。为解决该问题，提出一种基于上下文知识的增强型Transformer网络模型RoBERTa-BiLSTM，旨在从抑郁文本序列中充分提取和利用上下文特征。结合序列模型与Transformer模型优点，建模单词间上下文交互，为抑郁类别揭示与信息表征提供参考。首先，利用RoBERTa方法将词汇嵌入到语义向量空间；其次，利用双向长短期记忆网络(BiLSTM)模型有效捕获长距离上下文语义；最后，在DAIC-WOZ和EATD-Corpus 2个大规模数据集上进行实证研究。实验结果显示，RoBERTa-BiLSTM模型的准确率分别达到0.74和0.93以上，召回率分别达到0.66和0.56以上，能够准确地检测抑郁症。

来源：2024年第8期

《计算机工程》期刊编辑部

查看计算机工程杂志2024年第8期