[论文解读] Emotional Intensity analysis in Bipolar subjects

Facundo Carrillo, Natália Bezerra Mota+5 more|arXiv (Cornell University)|Jun 7, 2016

Mental Health Research Topics参考文献 7被引用 10

一句话总结

本研究基于语言情感词典（DAL）提出了一种新型情感强度指数（EII），用于量化言语中的情感内容，结果表明双相（轻躁狂）个体在言语中表现出显著高于对照组的情感强度。通过使用情感强度均值进行逻辑回归分析，该方法在区分双相障碍与对照组受试者时达到了75%的分类准确率，支持了基于言语的自动化检测在定量精神病学中的可行性。

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.

研究动机与目标

• 探究言语中的情感强度是否能够有效区分双相（轻躁狂）患者与健康对照组。
• 开发并验证一种简单、计算高效的指标，用于测量自然语言话语中的情感强度。
• 评估情感强度（独立于语法结构）是否可作为双相障碍在言语中的可靠生物标志物。
• 通过展示自动化言语分析在精神健康分类中的潜力，推动定量精神病学的新兴发展。

提出的方法

• 基于语言情感词典（DAL），选取愉悦度极高的词（上下限各20%）作为高情感强度词汇，构建情感强度指数（EII）。
• 定义句子的情感强度指数为该句子中属于高情感强度DAL词表的词汇比例：$EI(s) = \frac{\sum_{i=0}^{N} (dal_{+}(s_i) + dal_{-}(s_i))}{N}$。
• 将40名参与者（20名对照组，20名双相障碍患者）的梦境报告与清醒状态报告的转录言语进行拼接，并通过谷歌翻译转换为英文。
• 计算每位受试者所有句子的EII均值与标准差，以总结情感强度模式。
• 采用10折交叉验证的逻辑回归模型，仅以EII均值作为特征，对对照组与双相障碍受试者进行分类。
• 使用ROC曲线下面积（AUC）、F1得分和准确率等指标，与多种经典分类器（如SVM、LDA、随机森林）进行性能比较。

实验结果

研究问题

• RQ1 言语中的情感强度是否能可靠地区分双相（轻躁狂）患者与健康对照组？
• RQ2 所提出的感情强度指数是否能有效捕捉仅通过语法或句法分析无法检测到的情感表达差异？
• RQ3 言语中的情感强度是否是使用计算模型对双相障碍进行分类的统计显著且具有判别力的特征？
• RQ4 双相障碍言语的情感强度与情感表达丰富但非临床的文本（如诗歌）相比如何？

主要发现

• 双相障碍受试者的情感强度均值（EII）显著高于对照组（0.1380 ± 0.0193 vs. 0.1168 ± 0.0277），p值为0.00793。
• 双相障碍言语的EII显著高于诗歌语料库（p值 = 4.211 × 10⁻⁵），表明其情感强度超出典型表达性语言的水平。
• 仅以EII均值作为单一特征的逻辑回归模型在10折交叉验证中达到75%的分类准确率，优于其他经典分类器。
• 即使在传统基于图的言语分析方法失效的情况下，EII方法仍能有效区分双相障碍与对照组，尤其在清醒状态报告数据中表现突出。
• EII指数在情感强度捕捉方面超越了简单的形容词计数，其判别力证明了其在形容词频率分布相似情况下的有效性。
• 本研究表明，基于DAL的指数所测量的情感强度，是识别双相障碍中异常心理状态的稳健且可量化的特征。