一种通过对话文本分析识别抑郁症的系统技术方案

一种通过对话文本分析识别抑郁症的系统，包括依次连接的精神疾病专家问诊录音数据预处理模块、抑郁症对话文本分析识别模型训练模块、用户抑郁症情况识别模块。本发明专利技术通过抑郁症对话识别模型，在传统文本分类的基础上使用RoBERTa预训练模型复合Bi

【技术实现步骤摘要】
一种通过对话文本分析识别抑郁症的系统


[0001]本专利技术涉及识别抑郁症患者的系统。

技术介绍

[0002]近年来，基于深度学习的模型成为了文本分类模型的主流，其中主要的模型包括RNN，CNN等。在这些基础深度模型的基础之上，一些工作着眼于将不同角度的信息融入到文本分类任务当中，并取得了成功。此外，随着最近工作对自注意力机制的探索与利用，以及自然语言处理领域预训练模型的发展，Bert模型成为了目前最流行且效果最好的预训练文本分类模型，其在文本情感分类领域也有非常优秀的性能。语言和对话是医生诊断和治疗精神疾病的主要数据来源，将人工智能技术应用于患者的语音语义分析，可以帮助精神疾病的预警。目前国外已有研究对病人的临床访谈记录进行自动语音语义分析，预测具有精神疾病高危因素的青年人群在基线评估后2.5年内的精神疾病发作情况。以及Facebook基于深度学习自然语言理解的心理机器人评估用户负面情绪，甚至严重的心理疾病倾向，从而达到抑郁症早期识别和预警。
[0003]目前国内尚没有利用人工智能技术基于开放性问答进行智能精神疾病筛查的相关研究。有待本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种通过对话文本分析识别抑郁症的系统，其特征在于：包括依次连接的精神疾病专家问诊录音数据预处理模块、抑郁症对话文本分析识别模型训练模块、用户抑郁症情况识别模块；疾病专家问诊录音数据预处理模块具体包括：整理精神疾病专家问诊录音，根据个人截取问诊核心片段；使用市面上的中文语音转文本工具，将问诊语音片段转换为文本；手动检查修正语音识别结果的错误内容；抑郁症对话文本分析识别模型训练模块搭建Bi
‑
LSTM+Attention+RoBERTa
‑
wwm
‑
ext
‑
large文本分类模型，输入问诊长对话文本训练模型，具体包括：1)提取疾病专家问诊录音数据预处理模块获得的文本数据集，提取文本所属者的诊断结果作为标签，将文本与标签对应起来，完成训练集，验证集和测试集的制作；2)搭建Bi
‑
LSTM+Attention+RoBERTa
‑
wwm
‑
ext

【专利技术属性】
技术研发人员：毛科技，樊鑫奔，王宇翔，黄玉娇，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：