利用 LSTM 遗忘门学习自闭症谱系障碍儿童讲故事过程中的词汇连贯性表示

基于摘要分析。该研究针对自闭症谱系障碍（ASD）儿童讲故事时的叙事连贯性评估，提出利用 LSTM 遗忘门从数据中直接学习词汇连贯性表示，以减少对人工标注及专家设计特征的依赖。主要研究对象是儿童叙事语言及 ASD 与典型发育（TD）儿童的分类，而非 EEG 或 BCI 信号解码。 方法上，论文以 LSTM 框架学习叙事中的连贯性信息；标题明确指出使用遗忘门，但摘要未说明门控信息如何提取、如何汇聚为表示，以及训练目标与分类器的具体设计，这些机制细节尚未验证。 作者报告，在区分 TD 与 ASD 儿童的分类实验中，所提词汇连贯性表示取得 92% 的 Accuracy，对照为基于句法、词语使用及 latent semantic analysis 计算的传统连贯性度量，其 Accuracy 为 73%。摘要未提供样本规模、类别分布、训练测试划分，以及是否按儿童隔离数据，因此上述结果仅能在作者所述实验背景下理解，不能据此判断对新儿童或其他叙事任务的泛化能力。 有效性分析方面，作者报告，将 TD 儿童叙事在词级和句级进行打乱以引入不连贯性后，所得表示更接近 ASD 数据的表示。这为表示对叙事顺序扰动的敏感性提供了支持，但尚不足以确认其专门刻画了自然叙事中的连贯性，也不能将人工打乱等同于 ASD 儿童的语言特征。具体距离度量、扰动设置、混杂因素控制、消融及统计信息尚未验证；代码与复现条件亦未在摘要中说明。材料未提供与 EEG/BCI 的具体机制对应关系，不据此推导 BCI 算法效果。