基于多粒度自注意力机制的抑郁症预测模型

作者：谭朋柳; 张露玉; 徐光勇; 徐滕

来源：计算机应用, 2023, 43(S2): 34-40.

DOI：10.11772/j.issn.1001-9081.2022121862

• 文本分类
• 多粒度自注意力机制
• 双向门控循环单元
• 深度神经网络
• 抑郁症预测

针对基于稀疏文本的抑郁症预测模型特征提取能力不足的问题，提出一种基于分层多粒度自注意网络（HMG-SAN）的模型。首先，通过全局向量（GloVe）模型获取词向量，解决词语和语句的向量化表示的问题；然后通过双向门控循环单元（Bi-GRU）获取文本结构中的词序信息和文本特征，解决提取上下文依赖的特征信息的问题；再通过多粒度自注意力（MG-SA）机制识别不同特征，解决不同粒度短语信息捕捉的问题；最后使用softmax函数获取分类结果。HMG-SAN模型的亮点在于MG-SA机制的融入，对于捕获文本重要词汇提供了很大帮助。在遇险分析访谈语料库（DAIC）数据集上与基于分层注意力网络（HAN）的模型和分层自注意力网络（HSAN）的模型进行对比实验，实验结果表明，所提模型的准确率和召回率均有显著提升，其中，准确率分别提升了2.74%和1.35%，召回率分别提升了7.35%和4.29%。可见，HMG-SAN模型可以更加准确地捕获受访者的抑郁状态，并以此进行更加高效的抑郁症预测。

• 单位
  南昌航空大学