DAIC-WOZ：自动抑郁症检测中使用治疗师提示的有效性

近年来，从对话数据中自动检测抑郁症引起了显著的关注。DAIC-WOZ数据集是由人工控制的虚拟代理进行的访谈，已被广泛用于此任务。最近的研究报告指出，将采访者的提示纳入模型后，性能有所提升。在这项工作中，我们假设这种改进主要可能是由于这些提示中存在的一种偏见，而不是提出的架构和方法。通过消融实验和定性分析，我们发现使用采访者提示的模型学习专注于访谈的特定区域，即询问有关心理健康问题的过去经历的问题，并利用这些问题作为区分性的捷径来检测抑郁参与者。相比之下，使用参与者回应的模型则从整个访谈中收集证据。最后，为了突出这种偏见的程度，我们有意利用这一点，达到了0.90的F1分数，这是迄今为止仅使用文本信息在该数据集上报告的最高结果。我们的发现强调在将采访者的提示纳入模型时需谨慎，因为它们可能无意中学习利用针对性的提示，而不是学习表征真正指示患者心理健康状况的语言和行为。