| پیش‌بینی افکار خودکشی بر روی دادههای متنی شبکه‌های اجتماعی با استفاده از یادگیری عمیق |
| کد مقاله : 1041-CYSP2024 (R1) |
| نویسندگان |
|
محمدجواد خدمتی یاوند *1، کاظم فولادی قلعه2 1دانشجوی کارشناسی ارشد مهندسی کامپیوتر گرایش هوش‌مصنوعی، دانشگاه امام حسین(ع)؛ دستیار پژوهشی آزمایشگاه پژوهشی فضای سایبر دانشگاه تهران 2عضو هیئت علمی گروه مهندسی کامپیوتر دانشکده مهندسی دانشکدگان فارابی دانشگاه تهران |
| چکیده مقاله |
| 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 97 درصد 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. |
| کلیدواژه ها |
| خودکشی، داده متنی، یادگیری ماشینی، یادگیری عمیق، Bidirectional LSTM |
| وضعیت: پذیرفته شده برای ارائه شفاهی |