本文使用 NLP 技术对 DementiaBank 数据集中 Alzheimer's 病人的语言特征进行分类和分析，利用 CNN、LSTM-RNN 和两者的组合进行分类，识别语言样本，获得了 AD 识别任务的新的独立基准精度。最后通过激活聚类和导数显著性技术分析神经网络的学习特征，自动发现激活簇内不同语法模式，进一步阐述了 AD 患者的语言特征，揭示了神经网络模型的局限性。

Apr, 2018

利用人工智能（AI）诊断自闭症谱系障碍（ASD）的研究表明了其对 ASD 诊断尤其是儿童的早期发现的重要性，使用深度学习和机器学习从社交媒体的文本输入中检测 ASD，达到了 88% 的高准确率。

Mar, 2024

利用儿童发展心理学经典实验评估大型语言模型（LLMs）的能力，提出一种评估 LLMs 能力的 LRS 度量，将 Google 的 LaMDA 模型应用于实验，发现 LaMDA 在社交认知任务中回答的适当反应与儿童相似，但在早期物体行为认知、心理理论以及因果推理方面的回答则与儿童有很大不同，表明这些领域需要更多的现实世界自发探索，不能简单地通过语言输入模式学习。

May, 2023

通过自动学习语言模型和强化自然语言处理任务，我们构建了数字化语言标记，可以测量沟通质量和各种语言障碍的强度，并揭示了与病情进展相关的逐渐语言损害的有用见解。

Oct, 2023

此研究论文介绍了一个用于计算研究现代希腊方言的数据集，其中包括克里特岛、庇安提、北希腊和塞浦路斯希腊四种方言的原始文本数据。该数据集规模相当大，尽管存在不平衡问题，但是它是第一个针对现代希腊方言创造大规模方言资源的尝试。我们使用该数据集进行方言识别，并进行了传统机器学习算法和简单深度学习架构的实验。结果表明，这些方言在任务中具有足够独特的特征，即使是简单的机器学习模型也能表现出很好的性能。对表现最佳算法进行误差分析后发现，在一些情况下错误是由于数据集清理不足造成的。

Aug, 2023

本研究构建并训练了一种基于自动语音识别技术的语言识别系统，可自动识别阿拉伯语、西班牙语、法语和土耳其语，并通过投票方式进行预测，准确率很高。

May, 2022

利用机器学习方法，我们在希腊文献学领域解决了诸多问题。在使用最大的古希腊数据集训练 BERT 模型后，我们成功鉴别并纠正了文本传承过程中刻写员以往未能发现的错误，同时证明了该模型填补古代手稿材料损伤造成空缺的能力，并与领域专家的表现进行了比较。我们发现，在启发领域专家的模型建议的支持下，最佳表现可得。在考虑到人机协作的同时，我们还探索了模型的可解释性，并发现一些注意力头似乎对古代希腊语的某些语法特征进行了编码。

May, 2023

本文应用联邦学习技术，利用不同机构提供的语音信号数据构建模型，实现帕金森氏症的检测，达到了远程合作且高准确度的目的，而不需要共享病人数据，增强了患者的结果。

May, 2023

本文旨在探讨阿尔茨海默病对词汇不同方面的影响，以及证明这些词汇特征在机器学习分类器中的应用可以实现最先进的性能，通过 ADDreSS 挑战数据集和语言样本实验结果验证阿尔茨海默病对词汇处理的显著影响。

Jul, 2023

本研究旨在提出使用语音处理技术进行自动化评估儿童口语发展的应用，并通过对自然语言样本分析，对使用智能辅助诊断提供了可行性，其实验结果表明 F1 宏分数分别为 82.6% 和 67.8%。

May, 2023