多视图门控图注意力网络在ADReSSo上达到90%准确率

提出了一种多视图门控图注意力网络，通过“内容-结构-流”框架分析自发语音来检测阿尔茨海默病。该系统通过自动语音识别（ASR）转录音频，以构建语义、依赖和共现图，并利用规范语料库中的点互信息（PMI）来量化叙事逻辑。

• 该模型使用自适应门控融合机制整合这些不同的图视图，以解决临床异质性问题。
• 在ADReSSo数据集上的评估表明，该方法达到了90.00%的准确率。
• 消融研究证实，基于PMI的图和门控机制对于稳健的分类都是必不可少的。

作者认为这很重要，因为它解决了现有许多系统忽视的病态语言中的非线性结构破坏。源代码是公开的。