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; 王见贤; 范义飞

来源：电脑知识与技术, 2023, 19(07): 38-41.

DOI：10.14004/j.cnki.ckt.2023.0477

• 文本分类
• 抑郁识别
• 情感分析
• 注意力机制
• BiLSTM

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。

• 单位
  合肥学院; 安徽建筑大学