[論文レビュー] Affective Conditioning on Hierarchical Networks applied to Depression Detection from Transcribed Clinical Interviews

Danai Xezonaki, Georgios Paraskevopoulos+2 more|arXiv (Cornell University)|Jun 4, 2020

Mental Health via Writing参考文献 26被引用数 6

ひとこと要約

本稿では、外部の語彙データベースを用いた感情的条件付けを施した階層的アテンションネットワークを提案し、臨床的インタビューの音声認識文からうつ病の検出を改善する。心理言語的および感情的特徴をアテンション機構に統合することで、一般心理療法コーパスではF1スコア71.6、DAIC-WoZ 2017データセットではF1スコア68.6という最先端の性能を達成し、特にデータが少ない状況でも優れた性能と頑健性を示した。

ABSTRACT

In this work we propose a machine learning model for depression detection from transcribed clinical interviews. Depression is a mental disorder that impacts not only the subject's mood but also the use of language. To this end we use a Hierarchical Attention Network to classify interviews of depressed subjects. We augment the attention layer of our model with a conditioning mechanism on linguistic features, extracted from affective lexica. Our analysis shows that individuals diagnosed with depression use affective language to a greater extent than not-depressed. Our experiments show that external affective information improves the performance of the proposed architecture in the General Psychotherapy Corpus and the DAIC-WoZ 2017 depression datasets, achieving state-of-the-art 71.6 and 68.6 F1 scores respectively.

研究の動機と目的

• 言語的および感情的兆候を活用する計算モデルを用いて、臨床的インタビューにおけるうつ病検出を改善すること。
• 外部の感情的語彙データベースが、リソースが限られたうつ病検出タスクにおけるニューラルネットワークの性能をどのように向上させるかを調査すること。
• 療法セッションにおける単語レベルおよびターンレベルの表現をモデル化する階層的アテンションアーキテクチャを開発すること。
• セラピストとクライアントの発話およびセッション要約がモデル性能に与える影響を評価すること。
• 心理言語的メタデータおよび感情的特徴をアテンション機構に統合し、解釈可能性と正確性を向上させること。

提案手法

• 単語レベルとターンレベルの両方で、双方向GRUを用いた2段階の階層的RNNが、単語とターンを処理する。
• 両レベルのアテンション機構により、顕著な単語とターンに重みを付けることで文脈に適した表現を生成する。
• 感情的条件付けは、6つの感情的語彙データベース（LIWC、AFINN、MPQA、Semeval15、Emolex、Bing Liu）から得られる99次元の特徴を単語レベルのアテンション機構に統合することで実現する。
• モデルは300次元のGloVe埋め込みを用い、ドロップアウト率0.2を適用。パラメータは学習率10^-3でAdamによる最適化を実施。
• アーキテクチャは、セッション要約（S）と外部語彙データベース（L）を追加することで拡張され、HAN+LおよびHAN+L+Sの変種が形成された。
• モデル学習は40エポックにわたり、検証損失の最小化を目的として早期停止を適用した。

実験結果

リサーチクエスチョン

• RQ1 外部語彙データベースを用いた感情的条件付けが、臨床的インタビューにおけるうつ病検出性能を向上させることができるか？
• RQ2 心理言語的特徴の統合が、リソースが限られた状況下でのモデルの頑健性にどのように影響するか？
• RQ3 クライアント発話とセラピスト発話の相対的な寄与度は何か？
• RQ4 セッション要約の統合が、モデル性能をさらに向上させるか？
• RQ5 提案手法は、標準的なうつ病検出データセットにおいて、最先端のベースラインと比較してどのように差をつけるか？

主な発見

• HAN+L+Sモデルは一般心理療法コーパスでF1スコア71.6を達成し、すべてのベースラインを上回った。
• DAIC-WoZ 2017データセットでは、HAN+LモデルがF1スコア68.6を達成し、ベースラインHAN（F1: 47）および先行モデル（HLGAN、F1: 60）を顕著に上回った。
• クライアント発話のみのターンが最高の性能を示し、クライアント発話がセラピスト発話よりもうつ病検出に有用であることが示された。
• セッション要約の統合は、特に要約データが利用可能な場合、外部語彙データベースの統合と同等またはそれ以上の性能向上をもたらした。
• 感情的語彙データベースの統合により、特にデータが少ない状況下でモデル性能が顕著に向上し、頑健性と一般化性能が向上した。
• 感情的条件付け機構は、感情的に顕著な言語的特徴に注目を向けるのを適切に支援し、モデルの解釈可能性と正確性を向上させた。