System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术实施例涉及人工智能领域中的自然语言理解技术,尤其涉及一种基于自然语言的抑郁状态评估方法、装置、终端及介质。
技术介绍
1、抑郁症是全世界主要致残原因,也是造成全球疾病总负担的主要因素之一,其主要特点有持续的悲伤、失去兴趣或快乐等。在现代社会中,抑郁症成为一种常见疾病。抑郁症不同于人们通常的情绪波动和面对日常生活中挑战时产生的短暂情绪反应,当其反复发病,并达到中度或重度时,可能成为一个严重的健康疾患。患者可能会受到极大影响,在工作、学校和家中表现不佳。最严重时,抑郁症可引致自杀,对家庭和社会造成严重的损失。
2、目前,抑郁症的诊断主要基于国际疾病分类标准(internationalclassification of diseases,icd)和精神疾病诊断统计手册(diagnostic andstatistical manual of mental disorders,dsm),这种诊断方式容易受到患者的主观信念和医师的诊断经验影响。此外,现代社会对于抑郁症等精神类疾病的接受程度相对较低,抑郁症患者自身也经常由于病耻感的存在和对精神疾病缺乏了解等原因而没有选择求医,结果造成众多患者因未得到及时、准确的诊疗而错失最佳治疗机会。
3、在某些特定场景下,如患者与医生之间的访谈、社交媒体的发文等,语言在一定程度上可以反映出关于抑郁症的线索。因此自然语言处理技术也逐渐被运用到智能抑郁检测中。基于传统机器学习的方法可以执行自动、客观和有效的评估,但它比较依赖特征的构建和选择,并且泛化能力受到所使用特征和算法的
4、然而上述方法都存在明显不足,早期的深度学习方法不能很好地表示句子的语义信息以及理解上下文,而且训练深度学习模型需要大量的数据,然而高质量数据的收集也存在挑战。
技术实现思路
1、为了解决现有技术中的问题,本专利技术提供一种基于自然语言的抑郁状态评估方法、装置、终端及介质,以提升模型对抑郁状态评估的准确度。
2、第一方面,本专利技术实施例提供了一种基于自然语言的抑郁状态评估方法,包括:
3、s1、利用人机交互模式采集对话信息,并将对话信息中用户的语音信息转换为文本信息;
4、s2、将所述文本信息按照不同的主题进行划分,以得到每个主题下的对话片段文本;
5、s3、在细粒度层面,对每个主题下的对话片段文本进行自然语言理解,以得到对应的主题极性向量;
6、s4、在粗粒度层面,将所有对话内容进行拼接后进行自然语言理解,以得到对应的文本词向量;
7、s5、将所述主题极性向量和所述文本词向量经过多粒度交互的注意力网络进行融合,得到融合向量表示;
8、s6、构造基于神经网络的抑郁状态评估模型,根据所述融合向量表示、抑郁类别对所述抑郁状态评估模型进行训练,得到抑郁状态评估器,所述抑郁状态评估器用于辅助评估用户的抑郁状态。
9、第二方面,本专利技术实施例还提供了一种基于自然语言的抑郁状态评估装置,包括:
10、对话信息采集和转换模块,用于利用人机交互模式采集对话信息,并将对话信息中用户的语音信息转换为文本信息;
11、主题划分模块,用于将所述文本信息按照不同的主题进行划分,以得到每个主题下的对话片段文本;
12、主题极性向量提取模块,用于在细粒度层面,对每个主题下的对话片段文本进行自然语言理解,以得到对应的主题极性向量;
13、文本词向量提取模块,用于在粗粒度层面,将所有对话内容进行拼接后进行自然语言理解,以得到对应的文本词向量;
14、向量融合模块,用于将所述主题极性向量和所述文本词向量经过多粒度交互注意力网络进行融合,得到融合向量表示;
15、抑郁状态评估模型训练模块,用于构造基于神经网络的抑郁状态评估模型,根据所述融合向量表示、抑郁类别对所述抑郁状态评估模型进行训练,得到抑郁状态评估器,所述抑郁状态评估器用于辅助评估用户的抑郁状态。
16、第三方面,本专利技术实施例还提供了一种终端,所述终端包括:
17、一个或多个处理器;
18、存储装置,用于存储一个或多个程序,
19、当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如上述实施例中任一项所述的基于自然语言的抑郁状态评估方法。
20、第四方面,本专利技术实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现上述实施例中任一项所述的基于自然语言的抑郁状态评估方法。
21、本专利技术的有益效果:
22、本专利技术利用预训练语言模型gpt分别提取粗粒度和细粒度的语义信息,同时将粗粒度向量和细粒度向量信息进行多粒度的融合,作为交互注意力网络的输入,用来预测抑郁程度。细粒度层面是按照不同的主题划分,粗粒度层面则是将对话内容直接进行拼接,最后实现多粒度融合。这种方式可以较为细致地检测用户在情感、躯体、认知等和抑郁相关的不同方面的状况,相比于只使用用户的回答信息后接入神经网络预测抑郁状态,这是更全面的解决基于自然语言理解的抑郁状态评估问题的方案。
23、此外,本专利技术中的抑郁状态评估模型所采用的预训练语言模型gpt(generalizedpretrained transformer,生成式预训练transformer模型)是一种自回归结构的语言模型,后面接入多粒度交互注意力网络,可以极大地提升模型对抑郁状态评估的准确度。
本文档来自技高网...【技术保护点】
1.一种基于自然语言的抑郁状态评估方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述S3具体包括:
3.根据权利要求1所述的方法,其特征在于,所述S4具体包括:
4.根据权利要求1所述的方法,其特征在于,所述S6包括:
5.一种基于自然语言的抑郁状态评估装置,其特征在于,包括:
6.根据权利要求5所述的方法,其特征在于,所述主题极性向量提取模块具体用于:
7.根据权利要求5所述的方法,其特征在于,所述文本词向量提取模块具体用于:
8.根据权利要求5所述的方法,其特征在于,所述抑郁状态评估模型训练模块具体用于:
9.一种终端,其特征在于,所述终端包括:
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的基于自然语言的抑郁状态评估方法。
【技术特征摘要】
1.一种基于自然语言的抑郁状态评估方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述s3具体包括:
3.根据权利要求1所述的方法,其特征在于,所述s4具体包括:
4.根据权利要求1所述的方法,其特征在于,所述s6包括:
5.一种基于自然语言的抑郁状态评估装置,其特征在于,包括:
6.根据权利要求5所述的方法,其特征在于,所述主题极性向量...
【专利技术属性】
技术研发人员:梁春丰,陈扬斌,胡希塔,
申请(专利权)人:苏州复变医疗科技有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。