Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Detecting Depression from Speech through an Attentive LSTM Network Mengesan Kemurungan daripada Pertuturan melalui Rangkaian LSTM Attentive

Yan ZHAO, Yue XIE, Ruiyu LIANG, Li ZHANG, Li ZHAO, Chengyu LIU

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Kemurungan membahayakan keadaan kesihatan orang ramai dan menjejaskan susunan sosial sebagai gangguan mental. Sebagai diagnosis kemurungan yang cekap, pengesanan kemurungan automatik telah menarik minat ramai penyelidik. Kajian ini mempersembahkan model Memori Jangka Pendek Panjang (LSTM) berasaskan perhatian untuk pengesanan kemurungan untuk menggunakan sepenuhnya perbezaan antara kemurungan dan bukan kemurungan antara jangka masa. Model yang dicadangkan menggunakan ciri peringkat bingkai, yang menangkap maklumat temporal pertuturan kemurungan, untuk menggantikan ciri statistik tradisional sebagai input lapisan LSTM. Untuk mencapai lebih banyak perwakilan ciri dalam berbilang dimensi, output LSTM kemudiannya disalurkan pada lapisan perhatian pada kedua-dua dimensi masa dan ciri. Kemudian, kami menggabungkan output lapisan perhatian dan meletakkan perwakilan ciri bercantum ke dalam lapisan bersambung sepenuhnya. Akhirnya, output lapisan yang disambungkan sepenuhnya dihantar ke lapisan softmax. Eksperimen yang dijalankan pada pangkalan data DAIC-WOZ menunjukkan bahawa model LSTM prihatin yang dicadangkan mencapai kadar ketepatan purata 90.2% dan mengatasi prestasi rangkaian LSTM tradisional dan LSTM dengan perhatian tempatan masing-masing sebanyak 0.7% dan 2.3%, yang menunjukkan kebolehlaksanaannya.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E104-D No.11 pp.2019-2023
Tarikh penerbitan
2021/11/01
Diumumkan
2021/08/24
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2020EDL8132
Jenis Manuskrip
LETTER
kategori
Pertuturan dan Pendengaran

Pengarang

Yan ZHAO
  Southeast University
Yue XIE
  Nanjing Institute of Technology
Ruiyu LIANG
  Nanjing Institute of Technology
Li ZHANG
  Northumbria University
Li ZHAO
  Southeast University
Chengyu LIU
  Southeast University

Kata kunci

Contents [show]