TT-GAT: A Topic Temporal Graph Attention Network for Depression Detection

우울증 환자가 증가하는 만큼, 현재 사회에서 우울증은 중요한 사회적 문제이며, 이를 조기에 발견하고 적절하게 대응하기 위한 새로운 방안이 필요하다. 이에 본 논문에서는 임상 면담 벤치마크 데이터셋인 ‘Daic-Woz’에 초점을 맞추었다. 피험자의 발화뿐만 아니라, 표정/시선 정보를 담고 있는 비전 데이터, 어조/억양 등이 포함된 오디오 데이터를 함께 활용하는 멀티모달 접근 방식을 설계하였다. 이로써 우리는 주제 분류와 시계열 임베딩을 동시에 진행하여 멀티모달 요소들을 적절히 조합한 새로운 그래프 신경망 모델 구조인 Tt-Gat를 제안한다. Tt-Gat는 멀티모달 요소들의 시계열적 특성을 보존하며, 계층적 그래프 구조로 모달리티 특성들을 공간적 차원에서 융합한다. 또한, 주제별 발화 분류로 데이터를 재구조화하였으며, 동시에 주제별 중요도 기반의 해석 가능성까지 높였다. 모든 구성 요소를 결합했을 때 최적의 성능을 발휘했으며, 이는 요소들의 역할적 중요성을 입증한다. 추가로 모델 추론에 대한 정성평가를 진행함으로써 Tt-Gat 모델이 보유한 높은 해석 가능성도 보여주었다.