پذیرفته شده برای ارائه شفاهی ، صفحه 349-363 (15)

کد مقاله : 1041-CYSP2024 (R1)

¹دستیار پژوهشی آزمایشگاه پژوهشی فضای سایبر دانشگاه تهران؛ دانش‌آموخته مقطع کارشناسی مهندسی کامپیوتر، دانشکده مهندسی دانشکدگان فارابی دانشگاه تهران؛ دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش مصنوعی و رباتیک دانشگاه امام حسین (ع)، تهران، ایران

²استادیار گروه مهندسی کامپیوتر، دانشکده مهندسی دانشکدگان فارابی دانشگاه تهران؛ سرپرست آزمایشگاه پژوهشی فضای سایبر دانشگاه تهران، ایران

افکار خودکشی یکی از مسائلی است که به شدت نیازمند توجه و پیشگیری است. در حال حاضر، شبکه‌های اجتماعی مانند توییتر و ردیت به عنوان یک منبع غنی از داده‌های افراد برای مطالعه و تحلیل این مسئله مورد توجه قرار گرفته‌اند. در این مقاله، ما با استفاده از مدل Bidirectional LSTM راه‌حلی برای پیش‌بینی افکار خودکشی بر اساس داده‌های متنی این شبکه‌ها را ارائه می‌دهیم. سیستم‌های هوش مصنوعی مختلف، از جمله سیستم‌های مبتنی بر متن، برای شناسایی افراد در معرض خطر خودکشی پیشنهاد شده‌اند. به منظور رسیدگی به این چالش، ما داده‌های متنی را جمع‌آوری، پردازش و تحلیل می‌کنیم. سپس با استفاده از سیستم‌های تشخیص خطر افکار خودکشی مبتنی بر پردازش زبان طبیعی (NLP)، مدل خود را آموزش می‌دهیم تا بتواند افکار خودکشی را پیش‌بینی کند. پس از آموزش مدل، با ارزیابی دقیق بر روی داده‌های تست، به دقت ۹۷درصد در تشخیص متون با مضمون خودکشی از غیر خودکشی دست یافتیم. همچنین، از مدل‌های یادگیری عمیق و کلاسیک نیز بهره‌مند شده و نتایج به صورت جامع مقایسه و تحلیل شده‌اند. هدف اصلی تحقیق ما، دستیابی به عملکرد بهتر از کارهای تحقیقاتی قبلی است تا بتوانیم نشانه‌های اولیه را با دقت بالا تشخیص داده و از اقدام به خودکشی جلوگیری کنیم.

خودکشی؛ داده متنی؛ یادگیری ماشینی؛ یادگیری عمیق؛ Bidirectional LSTM

روان‌شناسی سایبری؛ شبکه‌های اجتماعی؛ هوش مصنوعی