Detail publikace
Node-weighted Graph Convolutional Network for Depression Detection in Transcribed Clinical Interviews
Villatoro-tello Esaú (IDIAP)
Madikeri Srikanth (IDIAP)
Motlíček Petr, doc. Ing., Ph.D. (UPGM FIT VUT)
Navrhujeme jednoduchý přístup pro vážení samospojovacích hran v grafové konvoluční síti (GCN) a ukazujeme jeho dopad na detekci deprese z přepsaných klinických rozhovorů. Za tímto účelem používáme GCN pro modelování nesousledné a dálkové sémantiky ke klasifikaci transkripcí na depresivní nebo kontrolní subjekty. Navržená metoda si klade za cíl zmírnit omezující předpoklady lokality a stejné důležitosti vlastních spojení vs. hran k sousedním uzlům v GCN, při zachování atraktivních vlastností, jako jsou nízké výpočetní náklady, agnostika dat a možnosti interpretace. Provádíme vyčerpávající hodnocení ve dvou benchmarkových datových sadách. Výsledky ukazují, že náš přístup konzistentně překonává vanilkový GCN model i dříve uváděné výsledky a dosahuje F1=0,84 % na obou souborech dat. Konečně kvalitativní analýza ilustruje interpretovatelné schopnosti navrhovaného přístupu a jeho soulad s předchozími poznatky v psychologii.
@INPROCEEDINGS{FITPUB13156, author = "Sergio Burdisso and Esa\'{u} Villatoro-tello and Srikanth Madikeri and Petr Motl\'{i}\v{c}ek", title = "Node-weighted Graph Convolutional Network for Depression Detection in Transcribed Clinical Interviews", pages = "3617--3621", booktitle = "Proceedings of the Annual Conference of International Speech Communication Association, INTERSPEECH", journal = "Proceedings of Interspeech - on-line", volume = 2023, number = 8, year = 2023, location = "Dublin, IE", publisher = "International Speech Communication Association", ISSN = "1990-9772", doi = "10.21437/Interspeech.2023-1923", language = "english", url = "https://www.fit.vut.cz/research/publication/13156" }