计算机科学 > 计算与语言
[提交于 2024年12月31日
]
标题: 用于使用口语语言训练和评估抑郁风险模型的语料库大小要求
标题: Toward Corpus Size Requirements for Training and Evaluating Depression Risk Models Using Spoken Language
摘要: 心理健康风险预测是语音领域的一个新兴领域,但许多研究都是基于小规模语料库进行的。 本研究说明了测试集和训练集大小的变化如何在受控研究中影响性能。 使用一个超过65K个标记数据点的语料库,提供了不同训练/测试集大小组合的完全交叉设计的结果。 包含两种模型类型:一种基于语言,另一种基于语音声学。 两者都使用了该领域当前的方法。 还包含了年龄不匹配的测试集。 结果表明,(1) 测试集大小低于1K样本时即使训练集较大也会产生噪声结果;(2) 至少需要2K的训练集大小才能得到稳定结果;(3) NLP和声学模型在训练/测试集大小变化时表现相似;(4) 不匹配的测试集表现出与匹配测试集相同的模式。 还讨论了其他因素,包括标签先验、模型强度和预训练、独特说话人以及数据长度。 尽管没有一项研究可以明确指定具体的大小要求,但结果表明,未来从语音和语言中进行心理健康风险预测的研究需要适当大小的训练和测试集。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.