[논문 리뷰] Emotional Intensity analysis in Bipolar subjects

Facundo Carrillo, Natália Bezerra Mota외 5명|arXiv (Cornell University)|2016. 06. 07.

Mental Health Research Topics참고 문헌 7인용 수 10

한 줄 요약

이 연구는 말의 정서적 내용을 정량화하기 위해 언어 속 감정 사전(DAL) 기반으로 새로운 정서 강도 지수(EII)를 제안하며, 이는 양극성(망상) 환자가 대조군에 비해 그들의 언어적 표현에서 유의미하게 높은 정서 강도를 보임을 입증한다. 평균 정서 강도를 기반으로 한 로지스틱 회귀 분석을 통해 이 방법은 양극성 환자와 대조군을 구분하는 데 75%의 분류 정확도를 달성하였으며, 이는 정량적 정신의학 분야에서 자동화된 음성 기반 진단의 가능성을 뒷받침한다.

ABSTRACT

The massive availability of digital repositories of human thought opens radical novel way of studying the human mind. Natural language processing tools and computational models have evolved such that many mental conditions are predicted by analysing speech. Transcription of interviews and discourses are analyzed using syntactic, grammatical or sentiment analysis to infer the mental state. Here we set to investigate if classification of Bipolar and control subjects is possible. We develop the Emotion Intensity Index based on the Dictionary of Affect, and find that subjects categories are distinguishable. Using classical classification techniques we get more than 75\% of labeling performance. These results sumed to previous studies show that current automated speech analysis is capable of identifying altered mental states towards a quantitative psychiatry.

연구 동기 및 목표

• 말의 정서 강도가 양극성(망상) 환자와 건강한 대조군을 구분하는 데 사용될 수 있는가를 조사한다.
• 자연어 대화에서 정서 강도를 측정하기 위한 단순하고 계산 효율성이 높은 지수를 개발하고 검증한다.
• 문법적 구조와는 독립적으로 정서 강도가 양극성 장애의 신뢰할 수 있는 생물학적 지표로 기능하는가를 평가한다.
• 자동화된 음성 분석의 잠재력을 입증하여 정량적 정신의학 분야에 기여한다.

제안 방법

• 정서 사전(DAL)을 기반으로 하여, 긍정성 수준이 극단적인(상위 및 하위 20%) 단어들을 정서 강도가 높은 단어로 선별하여 정서 강도 지수(EII)를 구성한다.
• 문장의 EII는 해당 문장에 포함된 정서 강도가 높은 DAL 단어의 비율로 정의된다: $EI(s) = \frac{\sum_{i=0}^{N} (dal_{+}(s_i) + dal_{-}(s_i))}{N}$.
• 40명의 참가자(20명의 대조군, 20명의 양극성 환자)의 음성 녹취록을 꿈 기록과 각성기 기록을 연결하여 처리하고, Google 번역을 통해 영어로 번역하였다.
• 각 참가자에 대해 모든 문장의 EII 평균과 표준편차를 계산하여 정서 강도 패턴을 요약하였다.
• 10겹 교차검증을 적용한 로지스틱 회귀 분석을 수행하였으며, 대조군 대 비대상 환자 분류를 위해 평균 EII를 유일한 특징으로 사용하였다.
• ROC AUC, F1 점수, 정확도 지표를 사용하여 다양한 전통적 분류기(SVM, LDA, 랜덤 포레스트 등)와 성능을 비교하였다.

실험 결과

연구 질문

• RQ1 말의 정서 강도가 양극성(망상) 환자와 건강한 대조군을 신뢰성 있게 구분할 수 있는가?
• RQ2 제안된 정서 강도 지수가 문법적 또는 문법적 분석으로서는 감지되지 않는 정서 표현의 차이를 효과적으로 포착하는가?
• RQ3 정서 강도가 계산 모델을 사용한 양극성 장애 분류에 통계적으로 유의미하고 구분력 있는 특징인가?
• RQ4 양극성 환자의 말에서 정서 강도는 시와 같은 정서적으로 표현력이 높은 비임상적 텍스트와 비교해 어떻게 다른가?

주요 결과

• 양극성 환자에서의 평균 정서 강도(EII)는 0.1380 ± 0.0193로 대조군(0.1168 ± 0.0277)보다 유의미하게 높았으며, p값은 0.00793이었다.
• 양극성 환자 말의 EII는 시 코퍼스의 EII보다 유의미하게 높았으며(p값 = 4.211 × 10⁻⁵), 일반적인 표현 언어를 초월한 정서 강도가 높다는 것을 시사한다.
• 평균 EII를 유일한 특징으로 사용한 로지스틱 회귀 분석은 10겹 교차검증에서 75%의 분류 정확도를 기록하였으며, 다른 전통적 분류기들보다 뛰어난 성능을 보였다.
• 특히 각성기 기록 데이터에서 전통적인 그래프 기반 음성 분석이 실패한 경우에도 EII 방법은 양극성 환자와 대조군을 성공적으로 구분하였다.
• 유사한 형용사 빈도 분포에도 불구하고 EII 지수가 정서 강도를 효과적으로 포착함을 입증함으로써, 단순한 형용사 수세기 초과의 정서 강도 측정을 넘어서는 특성임을 확인하였다.
• 본 연구는 DAL 기반 지수로 측정된 정서 강도가 양극성 장애에서 변형된 정서 상태를 식별하는 데 있어 강력하고 정량화 가능한 특징임을 입증한다.