MARC

 008250123s2024        us                              c    eng  d
■001000017163826
■00520250211152758
■006m          o    d                
■007cr#unu||||||||
■020    ▼a9798383684481
■035    ▼a(MiAaPQ)AAI31556052
■040    ▼aMiAaPQ▼cMiAaPQ
■0820  ▼a534
■1001  ▼aWang,  Jinhan.
■24510▼aTowards  Better  and  Privacy-Preserving  Speech  Modeling  for  Depression  Detection
■260    ▼a[Sl]▼bUniversity  of  California,  Los  Angeles▼c2024
■260  1▼aAnn  Arbor▼bProQuest  Dissertations  &  Theses▼c2024
■300    ▼a103  p
■500    ▼aSource:  Dissertations  Abstracts  International,  Volume:  86-02,  Section:  B.
■500    ▼aAdvisor:  Alwan,  Abeer  A.
■5021  ▼aThesis  (Ph.D.)--University  of  California,  Los  Angeles,  2024.
■520    ▼aAutomatic  depression  detection  systems  based  on  speech  signals  have  recently  garnered  significant  attention.  Depression  modeling  from  speech  signals,  however,  faces  three  challenges.  The  first  challenge  is  data  scarcity.  The  second,  is  the  risk  of  privacy  exposure  in  depression  detection  systems.  The  third,  is  the  lack  of  consideration  of  non-uniformly  distributed  depression  patterns  within  speech  signals.  In  this  dissertation,  we  address  these  challenges  so  that  better  and  privacy-preserving  speech-based  depression  detection  systems  are  built.To  address  the  data  scarcity  issue,  we  propose  a  modified  Instance  Discriminative  Learning  (IDL)  pre-training  method  to  enable  the  model  to  extract  augment-invariant  and  instance-spread-out  embeddings  from  pre-training  tasks  using  out-of-domain  unlabeled  data.  The  pre-trained  model  is  then  used  for  initialization  of  the  downstream  model,  DepAudioNet,  and  fine-tuned  for  depression  detection  tasks.  We  investigate  different  augmentation  techniques  and  instance  sampling  strategies  in  the  pre-training  stage.  Specifically,  we  propose  a  novel  sampling  strategy,  Pseudo-Instance-based  Sampling  (PIS),  to  further  reveal  the  correlation  between  depression  characteristics  with  the  underlying  acoustic  units.Second,  to  address  the  privacy-preservation  issue,  we  propose  a  novel  non-uniform  speaker  disentanglement  (NUSD)  adversarial  learning  framework  to  disentangle  speaker-identity  information  from  depression  characteristics.  The  approach  utilizes  idiosyncratic  behaviors  of  different  layers  of  detection  models,  and  varies  the  adversarial  disentanglement  strength  of  different  model  components.  The  method  shows  that  depression  detection  can  be  done  without  an  over-reliance  on  speaker-identity  features.  More  importantly,  we  found  that  attenuating  more  speaker  information  in  the  Feature  Extraction  (FE)  module  yields  better  performance  than  assigning  the  disentanglement  weights  uniformly.Third,  to  address  the  non-uniformity  of  depression  patterns  in  speech  signals,  we  propose  a  novel  framework.  The  framework,  Speechformer-CTC,  models  dynamically  varying  depression  characteristics  within  speech  segments  using  a  Connectionist  Temporal  Classification  (CTC)  objective  function  without  the  necessity  of  input-output  alignment.  Two  novel  CTC-label  generation  policies,  namely  the  Expectation-One-Hot  and  the  HuBERT  policies,  are  proposed  and  incorporated  in  objectives  at  various  granularities.  Additionally,  experiments  using  Automatic  Speech  Recognition  (ASR)  features  are  conducted  to  demonstrate  the  compatibility  of  the  proposed  method  with  content-based  features.  Our  findings  show  that  depression  detection  can  benefit  from  modeling  non-uniformly  distributed  depression  patterns  and  the  proposed  framework  can  potentially  be  used  to  determine  significant  depressive  regions  in  speech  utterances.Experiments  show  that  the  proposed  techniques  achieve  state-of-the-art  performance  and  are  validated  for  both  English  and  Mandarin  Chinese.
■590    ▼aSchool  code:  0031.
■650  4▼aAcoustics
■650  4▼aMental  health
■650  4▼aSpeech  therapy
■650  4▼aElectrical  engineering
■653    ▼aDepression
■653    ▼aInstance  Discriminative  Learning
■653    ▼aHuBERT  policies
■690    ▼a0986
■690    ▼a0544
■690    ▼a0347
■690    ▼a0460
■71020▼aUniversity  of  California,  Los  Angeles▼bElectrical  and  Computer  Engineering  0333.
■7730  ▼tDissertations  Abstracts  International▼g86-02B.
■790    ▼a0031
■791    ▼aPh.D.
■792    ▼a2024
■793    ▼aEnglish
■85640▼uhttp://www.riss.kr/pdu/ddodLink.do?id=T17163826▼nKERIS▼z이  자료의  원문은  한국교육학술정보원에서  제공합니다.

미리보기

내보내기

chatGPT토론

Ai 추천 관련 도서