ارزیابی سطح افسردگی از دادههای گفتار مکالمه چند زبانه با استفاده از ویژگیهای صوتی و متنی
| عنوان | ارزیابی سطح افسردگی از دادههای گفتار مکالمه چند زبانه با استفاده از ویژگیهای صوتی و متنی |
|---|---|
| نویسنده | دمیروغلو، سنک، بسیرلی، آ.، اوزکانجا، یاسین سدار، چلیک، س. |
| تاریخ انتشار: | 2020-11-17 |
| محل انتشار | - Springer Nature |
| موضوع | تشخیص افسردگی، ویژگی های صوتی، انتخاب ویژگی |
| نوع | دوره ای |
| زبان | انگلیسی |
| دیجیتال | بله |
| نسخه خطی | خیر |
| کتابخانه: | دانشگاه اوزیغین |
| شناسه دارایی کتابخانه | 1687-4722 |
| شماره ثبت | e2d767e8-fb6d-422f-86cd-6256f0a9d516 |
| محل کتابخانه | مهندسی برق و الکترونیک |
| تاریخ | 2020-11-17 |
| متن نمونه | افسردگی یک مشکل بهداشت روانی گسترده در سراسر جهان است که بار قابل توجهی بر اقتصادها وارد می کند. تشخیص و درمان زودهنگام آن برای کاهش هزینه ها و حتی نجات جان انسان ها ضروری است. یکی از جنبه های کلیدی برای دستیابی به این هدف، استفاده از فناوری و نظارت بر افسردگی از راه دور و نسبتاً ارزان با استفاده از عوامل خودکار است. تلاشهای زیادی برای ارزیابی خودکار سطوح افسردگی با استفاده از ویژگیهای سمعی و بصری و همچنین تحلیل متن رونویسی گفتار محاورهای انجام شده است. با این حال، مشکل در جمعآوری دادهها و مقادیر محدود دادههای موجود برای تحقیق، چالشهایی را ایجاد میکند که موفقیت الگوریتمها را مختل میکند. یکی از دو مشارکت جدید در این مقاله، بهرهبرداری از پایگاههای داده از چندین زبان برای انتخاب ویژگی صوتی است. از آنجایی که تعداد زیادی ویژگی را می توان از گفتار استخراج کرد، با توجه به مقادیر کمی از داده های آموزشی موجود، انتخاب موثر داده برای موفقیت بسیار مهم است. روش چند زبانه پیشنهادی ما در انتخاب ویژگیهای بهتر از الگوریتمهای پایه مؤثر بود، که به طور قابلتوجهی دقت ارزیابی افسردگی را بهبود بخشید. سهم دوم مقاله استخراج ویژگیهای مبتنی بر متن برای ارزیابی افسردگی و استفاده از یک الگوریتم جدید برای ترکیب طبقهبندیکنندههای مبتنی بر متن و گفتار است که عملکرد را بیشتر افزایش میدهد. |
| DOI | 10.1186/s13636-020-00182-4 |
| Cilt | 2020 |
