一种用于检测社交媒体帖子自杀意念的集成深度学习技术
信息检索
2021-12-21 v1 计算与语言
机器学习
社会与信息网络
摘要
社交媒体中的自杀意念检测是一项极具挑战且不断发展的研究。许多有自杀倾向的人会通过社交媒体平台分享他们的想法和观点。许多研究观察到，社交媒体上公开可用的帖子包含有效识别有自杀想法个体的有价值标准。预防自杀最困难的部分是检测并理解可能导致自杀的复杂风险因素和警示信号。这可以通过自动识别用户行为的突然变化来实现。自然语言处理技术可用于从社交媒体交互中收集行为和文本特征，并将这些特征输入专门设计的框架以检测人类交互中的异常，这些异常是自杀意图的指标。我们可以利用深度学习和/或基于机器学习的分类方法实现自杀意念的快速检测。为此，我们可以采用 LSTM 和 CNN 模型相结合来检测用户帖子中的此类情绪。为了提高准确率，可以采取一些方法，例如使用更多数据进行训练、使用注意力模型提高现有模型的效率等。本文提出一种 LSTM-Attention-CNN 组合模型来分析社交媒体提交内容以检测任何潜在的自杀意图。在评估中，所提模型达到了 90.3% 的准确率和 92.6% 的 F1 分数，优于基线模型。
引用
@article{arxiv.2112.10609,
title = {An ensemble deep learning technique for detecting suicidal ideation from posts in social media platforms},
author = {Shini Renjith and Annie Abraham and Surya B. Jyothi and Lekshmi Chandran and Jincy Thomson},
journal= {arXiv preprint arXiv:2112.10609},
year = {2021}
}
备注
12 pages, 12 figures, 4 tables