BiLSTM con Addestramento Avversario di Dominio per il Rilevamento della Depressione

Uno studio recente disponibile su arXiv introduce un framework per la generalizzazione multimodale di dominio finalizzato all'automazione del rilevamento della depressione. Questa ricerca affronta la sfida della limitata generalizzazione causata dalle variazioni tra diversi parlanti. Il framework proposto combina la memoria bidirezionale a breve termine (BiLSTM) con meccanismi di attenzione che operano sia all'interno che tra le modalità, nonché la fusione a livello di segmento, utilizzando dati acustici e testuali. Per migliorare ulteriormente la generalizzazione, incorpora un layer di inversione del gradiente dall'Addestramento Avversario di Dominio delle Reti Neurali (DANN), che aiuta a creare rappresentazioni invarianti di dominio limitando avversariamente la capacità del modello di riconoscere singoli parlanti, riducendo così il bias specifico del paziente. La validazione sul dataset Androids-Corpus tramite convalida incrociata a 5 pieghe conferma l'efficacia del metodo.