[论文解读] Leveraging Linguistic Characteristics for Bipolar Disorder Recognition with Gender Differences

Yen-Hao Huang, Yi‐Hsin Chen+5 more|arXiv (Cornell University)|Jul 17, 2019

Mental Health via Writing参考文献 18被引用 4

一句话总结

本研究提出了一种基于纯语言学特征的双相情感障碍（BD）识别方法，通过从推文内容中提取的句法模式实现性别增强，结合基于图的模式构建与注意力机制。该方法在F1分数上超过91%，优于TF-IDF、LIWC以及BERT和ELMo等预训练模型，同时捕捉了第一人称代词、时态和情感表达中的性别特异性语言差异。

ABSTRACT

Most previous studies on automatic recognition model for bipolar disorder (BD) were based on both social media and linguistic features. The present study investigates the possibility of adopting only language-based features, namely the syntax and morpheme collocation. We also examine the effect of gender on the results considering gender has long been recognized as an important modulating factor for mental disorders, yet it received little attention in previous linguistic models. The present study collects Twitter posts 3 months prior to the self-disclosure by 349 BD users (231 female, 118 male). We construct a set of syntactic patterns in terms of the word usage based on graph pattern construction and pattern attention mechanism. The factors examined are gender differences, syntactic patterns, and bipolar recognition performance. The performance indicates our F1 scores reach over 91% and outperform several baselines, including those using TF-IDF, LIWC and pre-trained language models (ELMO and BERT). The contributions of the present study are: (1) The features are contextualized, domain-agnostic, and purely linguistic. (2) The performance of BD recognition is improved by gender-enriched linguistic pattern features, which are constructed with gender differences in language usage.

研究动机与目标

• 开发一种完全基于语言学特征、上下文感知的双相情感障碍识别方法，不依赖社交行为或预定义词典。
• 探究语言使用中的性别差异如何影响BD识别模型的性能。
• 构建性别特异的句法模式，以提升模型的可解释性与临床相关性。
• 减少对可能将领域专家误判为患者的关键词特征的依赖。
• 为临床使用提供可迁移、领域无关的语言学模式，用于心理健康筛查。

提出的方法

• 基于用户帖子中的词共现与依存结构，通过图模式构建方法构造句法模式。
• 应用模式注意力机制，从文本序列中学习显著的语言学模式。
• 通过在男性和女性BD用户数据上分别训练模型，整合性别特异的语言学模式。
• 采用融合男性与女性调优句法模式的性别增强特征表示。
• 采用数据驱动方法学习n-gram与跳字模式，不依赖关键词词典。
• 在349名BD用户推文数据上进行模型训练与评估，数据采集时间为用户自述前3个月，性别标签经人工验证。

实验结果

研究问题

• RQ1 与传统方法相比，纯语言学句法模式是否能提升双相情感障碍识别性能？
• RQ2 语言使用中的性别差异如何影响BD识别模型的性能与可解释性？
• RQ3 性别特异的句法模式是否能提升识别准确率并捕捉临床相关的语言标记？
• RQ4 基于图的模式学习是否在BD检测中优于基于关键词的方法（如TF-IDF、LIWC）和预训练语言模型（如BERT、ELMo）？
• RQ5 第一人称代词、绝对性词汇及动词时态使用是否为BD的重要标志，且在性别间是否存在差异？

主要发现

• 所提模型F1分数超过91%，显著优于TF-IDF、LIWC、ELMo和BERT基线模型。
• 采用性别增强的句法模式通过捕捉男女BD用户间独特的语言标记，提升了识别性能。
• 女性BD用户更频繁使用现在时结构（如“我正在”），而男性BD用户则更多使用过去时形式（如“我曾是”），差异具有统计学意义（p < 0.001，现在时）。
• 模型捕捉到临床相关的语言特征，如第一人称代词使用频率提高1.7倍，以及“总是”“从不”等绝对性词汇的使用增加。
• 句法模式比深度学习嵌入更具可解释性，因其突出了上下文相关的n-gram与跳字模式。
• 通过避免对关键词的依赖，转而关注结构化语言模式，该模型降低了将心理健康专业人员误判为患者的风险。