1
الخرف، وهو اضطراب عصبي تنكسي شائع، يتطلب الكشف المبكر للتدخل والدعم الفعال. تستفيد هذه الورقة من نماذج التعلم الآلي (machine learning) والتعلم العميق (deep learning)
لتشخيص الخرف بناءً على الأنماط اللغوية في نصوص الكلام. باستخدام مجموعات البيانات من DementiaBank، وهي Pitt Corpus وADReSS Challenge، نقوم بمعالجة البيانات مسبقًا، واستخراج الميزات اللغوية، وتطبيق التحقق المتقاطع (cross-validation) بعشر طيات. تظهر النماذج الكلاسيكية (الانحدار اللوجستي (Logistic Regression)، الغابة العشوائية (Random Forest)، الجيران الأقرب (K-Nearest Neighbors)، آلة الدعم الناقل (Support Vector Machine)، بايزي المتعدد الحدود (Multinomial Naive Bayes)) دقة متفاوتة، حيث تتصدر الغابة العشوائية بنسبة 0.90.
يُظهر التعلم المنقول (transfer learning) باستخدام نماذج BERT (bert-base-uncased، distilbert-base-uncased) نتائج واعدة، حيث حقق bert-base-uncased-LR3 دقة 0.79. تؤكد هذه الورقة على فعالية التعلم الآلي (machine learning) والتعلم المنقول (transfer learning) في الكشف عن الخرف.