EBER chatbot 提供给年长者的智能电台的方式通过增强传统的背景新闻途径与用户进行对话，结合用户的回答和新闻中提取的关键词来访问数字内容，改善了参与者的信息搜索能力。

Mar, 2024

本文提出了一个自然语言处理的架构，该架构可以处理以往需要两个模型完成的任务。通过单一模型，我们分析阿尔茨海默病患者的语言模式和对话上下文，并从两个结果中得出答案：患者分类和聊天机器人。如果聊天机器人在日常生活中识别了患者的语言特征，医生可以为早期诊断制定更精确的诊断和治疗计划。该模型用于开发替代需要专家问卷的聊天机器人。模型执行两个自然语言处理任务：一是 “自然语言分类”，指示患者是否患病的概率，二是生成聊天机器人接下来的 “回答”。通过自我注意神经网络提取患者发言的上下文向量，在编码器中将其与聊天机器人的问题一起输入，以获取包含提问者和患者之间交互特征的矩阵。矢量化的矩阵成为患者分类的概率值。将矩阵与聊天机器人（调解员）下一个答案一起输入到解码器中，以生成下一个发言。通过使用 DmentiaBank 的 cookie theft 描述语料库学习该结构，证实了编码器和解码器的损失函数值显著降低和收敛。这表明，捕捉阿尔茨海默病患者的言语语言模式可以为将来的早期诊断和疾病纵向研究做出贡献。

Oct, 2022

穿戴设备预测模型、认知损害、机器学习模型、预测特征、持续健康监测

Aug, 2023

本文提出了一种 ChatGPT - 基于的会话伴侣系统，旨在为老年人提供陪伴并减少孤独和社交孤立感的情感问题。该系统经过了初步研究的评估，结果表明它能够生成与创建的老年人物质相关的回应。然而，使用基于人工智能的陪伴服务对老年人包括隐私问题在内的伦理问题需要引起注意。

Apr, 2023

该研究开发了一种名为 TalkTive 的交互式智能助手，通过 backchanneling 技术帮助老年人进行神经认知障碍的评估，研究结果表明主动的 backchanneling 反馈比被动的反馈更受老年人欢迎。

Feb, 2022

本文提出了一种使用人工智能的语言评估工具，利用机器学习中的二元分类器来识别老年人患痴呆所引起的语言障碍，评估了不同任务、特征与媒介对分类器性能的影响，并确定了工具的可靠性和有效性。

Sep, 2022

本研究提出结合知识图谱和对话系统的方案，帮助护理依赖人群查找相关新闻文章并提供个性化推荐，旨在缓解老年人和慢性病患者生活中遇到的困难，并通过进行用户测试和规划未来工作，对该系统进行了详细阐述。

Mar, 2023

该论文讨论了利用脑波技术开发数字生物标识符以监测痴呆症，提出了一种基于信息几何的分类方法以自动辨别脑电图诱发反应，通过机器学习技术进行轻度认知障碍和阿尔茨海默病的诊断。

Nov, 2018

通过使用电子病历和深度学习技术提供早期诊断，本研究为发现未被诊断的病例提供了自动化的筛查方式，同时解决了目前诊断方式中的缺乏有效工具的问题。

Jan, 2022

本研究旨在应对在建立基于认知刺激（CS）的对话系统时所遇到的数据稀缺性问题，对构建的一个包含约 2.6K 对 CS 原则和情感支持策略标签的中文 CS 会话数据集进行多源知识融合，提出了一种用于生成基于 CS 原则和情感支持策略的开放式回复的方法，证明了该方法在 CSConv 数据集上的有效性。

May, 2023