基于LLM的语义整合方法：用于访谈场景中通过刺激-反应对检测抑郁症

《Expert Systems with Applications》：LLM-Based Semantic Integration of Stimulus–Response Pairs for Depression Detection in Interview Scenarios

本文提出基于大语言模型的显式语义融合策略和FMAN框架，通过整合提问与回答的语义信息，解决传统方法忽略提问语义的问题，结合多尺度预训练模型和动态注意力机制，在三个数据集上实现高精度抑郁症检测，有效缓解上下文理解偏差。

　　近年来，随着生活节奏的加快和心理压力的上升，抑郁症的发病率呈现出明显的增长趋势。作为一种常见的严重心理障碍，抑郁症不仅对个体造成深远影响，还对家庭和社会产生巨大负担。世界卫生组织（WHO）指出，到2030年，抑郁症将成为全球最常见的心理疾病之一，其高发性使其成为全球最严重的致残性疾病之一。在严重情况下，抑郁症甚至可能导致自杀行为，因此，早期筛查、诊断和治疗抑郁症显得尤为重要。

当前，抑郁症的早期诊断和治疗面临的主要瓶颈在于医生与患者之间的严重失衡。据WHO数据显示，中国每10万人中仅有2.2名相关专科医生，这表明医生资源的匮乏限制了患者的及时诊断和治疗。为应对这一问题，越来越多的研究开始关注利用客观指标进行抑郁症检测，如生理、行为和生化指标等。这些指标虽然能提供一定的诊断依据，但它们的获取往往受到技术条件和成本的限制。相比之下，语言作为一种非侵入性且易于获取的表达方式，为抑郁症检测提供了新的可能性。

在临床实践中，精神科医生通常通过临床访谈来评估患者的状况。这种访谈方式不仅依赖于患者的回答，还高度关注提问内容对患者反应的影响。例如，当医生询问“你什么时候觉得自己是个失败者，或者让你自己和家人失望？”时，患者可能会回答“最近几个月，我想是从下半年开始的。”在这种情况下，医生的理解并不仅仅局限于患者回答的字面意思，而是结合提问内容进行综合分析。这种语境下的理解方式体现了人类在对话中构建心理模型的能力，从而实现对语境的全面把握。

然而，现有的自然语言处理（NLP）方法在抑郁症检测中往往忽视了提问内容的语义作用。大多数研究集中于对患者回答的特征提取和情感分析，而较少关注提问内容的建模，这导致模型在理解语境方面存在局限。这种局限性源于人类在对话中倾向于使用各种语言模式和策略来维持对话的连贯性和意义，而不是明确强调语境信息。因此，NLP系统如果仅从患者回答的字面意义出发，就很难准确捕捉其真实语境含义。

为解决上述问题，本研究提出了一种基于大语言模型（LLM）的显式融合策略，旨在提升抑郁症检测中提问与回答语义的整合能力。我们设计了一种特定的提示机制，使得LLM能够有效融合提问与回答的语义，同时充分反映语境背景。这种方法不仅显著提升了模型的语义理解能力，还改善了整体的语义融合效果。通过这种方式，我们能够更好地捕捉到抑郁症患者在语言表达上的变化，如填充词的使用、介词的频率以及句子结构的变化等，这些变化往往能够反映个体的情感和心理状态。

此外，我们还提出了一种新的模型框架——FMAN（Fusion-Driven Multi-Scale Attention Network）。FMAN结合了多种预训练模型提取的多尺度语义特征，并通过动态聚焦注意力模块实现隐式融合。这种设计使得不同特征子空间之间能够进行互补信息交换，从而增强模型对抑郁症症状的捕捉能力。实验结果表明，FMAN在DAIC*、CMDC和MIDD三个数据集上均取得了优异的性能表现，其准确率分别达到了80.43%、98.89%和87.31%，优于大多数主流方法。这些结果不仅验证了我们方法的有效性，还为基于访谈数据的抑郁症检测提供了新的思路和实用指导。

在相关研究方面，我们系统回顾了现有的基于文本的抑郁症检测方法，分析了大语言模型在该任务中的优势和局限性。我们发现，虽然大语言模型在语义理解和上下文建模方面具有较强的处理能力，但在实际应用中仍然存在一些挑战。例如，现有的模型在整合提问与回答的语义时，往往缺乏有效的策略，导致语义融合效果不佳。此外，预训练模型虽然能够提供一定的语义理解能力，但在处理具体任务时，仍然需要进一步的优化和调整。

为了提升模型的性能和鲁棒性，我们设计了FMAN模型，其包含三个核心模块：显式语义融合、多尺度预训练特征整合和动态聚焦注意力模块。显式语义融合模块通过特定的提示机制，使得LLM能够准确捕捉提问与回答的语义信息，从而减少语境理解偏差。多尺度预训练特征整合模块则利用不同预训练模型提取的语义特征，进行多尺度的整合，以增强模型的表达能力和泛化能力。动态聚焦注意力模块则通过动态调整注意力权重，使得模型能够更好地捕捉抑郁症相关的特征，提高检测的准确性。

在数据集的选择上，我们选取了三个具有代表性的数据集：DAIC*（包含189名英语参与者）、CMDC（包含78名中文参与者）和MIDD（包含536名中文参与者）。这些数据集在语言类型（中文与英文）和数据来源（私有与公开）方面具有互补性，从而增强了我们研究结果的说服力。我们遵循“尽可能使用更多的提问-回答对”的原则，将所有可用的提问-回答对纳入研究，以确保模型的全面性和有效性。

在实验部分，我们从多个角度对FMAN模型进行了全面评估，包括性能对比、模块消融、SF-LLM模块的广泛适用性分析、可视化分析、参数和复杂度评估、置信区间和t检验，以及案例分析。通过这些实验，我们验证了FMAN模型在抑郁症检测任务中的优越性，并展示了其在不同数据集上的良好表现。此外，我们还分析了模型在处理不同语境下的表现，以评估其在实际应用中的适应性和泛化能力。

本研究的主要贡献在于两个方面。首先，我们提出了一种基于大语言模型的显式语义融合策略，该策略能够有效提升提问-回答对的语义整合能力，从而减少传统深度模型在语境理解方面的局限性。我们相信，这是首次在抑郁症检测领域中使用大语言模型进行显式语义融合，使得提问信息的利用更加高效。通过这种方式，我们不仅能够更好地捕捉到抑郁症患者在语言表达上的变化，还能够提升模型的整体性能和适应性。

其次，我们引入了FMAN模型，该模型通过多尺度语义特征整合和动态聚焦注意力模块，实现了对抑郁症症状的更全面捕捉。FMAN模型的设计不仅提升了模型的表达能力和泛化能力，还为其他涉及提问-回答语义融合的NLP任务提供了可借鉴的框架。实验结果表明，FMAN模型在多个数据集上均取得了优异的性能表现，其准确率显著优于大多数主流方法，为未来的抑郁症检测及相关任务提供了有价值的参考。

综上所述，本研究通过引入基于大语言模型的显式语义融合策略和FMAN模型，有效提升了抑郁症检测中提问与回答的语义整合能力，减少了传统深度模型在语境理解方面的局限性。同时，FMAN模型的设计为其他NLP任务提供了新的思路和实用框架。这些研究成果不仅有助于提高抑郁症的早期筛查和诊断能力，还为心理健康领域的技术发展提供了新的方向和可能性。