基于Attention-BiLSTM模型的对话式文本抑郁识别研究  

作　　者：薛之芹 张贯虹[2] 王见贤 范义飞 

机构地区：[1]安徽建筑大学电子与信息工程学院,安徽合肥230601 [2]合肥学院人工智能与大数据学院,安徽合肥230601 [3]爱丁堡大学工程学院,爱丁堡EH93DW

出　　处：《电脑知识与技术》2023年第7期38-41,共4页Computer Knowledge and Technology

基　　金：安徽省重点研究与开发计划项目(No.202104d07020006);安徽省自然科学基金项目(No.2108085MF223);安徽省高校自然科学研究项目(No.KJ2021A0991)。

摘　　要：为了精确高效地识别对话式文本的抑郁倾向,提出了一种基于Attention-BiLSTM模型的抑郁倾向识别方法。首先,使用预训练好的FastText语言模型完成对文本词性的向量化表示,并且通过同义词替换方法增强向量的情感特征。其次,在情感特征提取层将Attention机制与BiLSTM模型进行结合,学习对抑郁检测有高度贡献的单词权重和重要的隐藏特征。最后,采用Softmax分类器进行分类,获得最终的抑郁倾向。所提模型在DAIC-WOZ系列公开数据集上进行了验证,准确率达到91.75%,F1指标达到85.22%,均高于其他对比模型。

关 键 词：文本分类 抑郁识别 情感分析 注意力机制 BiLSTM 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]