基于可解释深度学习的自杀意念检测：CNN-BiGRU注意力机制

全球范围内，自杀是青少年死亡原因的第二大原因，过去的自杀尝试是预测未来自杀增加风险的重要指标。虽然部分有自杀念头的人可能会尝试压抑，但许多人会在社交媒体平台上表达其意图。为此，我们提出了一种新的混合深度学习方案，即CNN架构与BiGRU技术的结合，能够准确识别SN数据集中自杀意念的模式。我们还应用SHapley Additive exPlanations（SHAP）方法来解释预测结果并验证模型的可靠性。CNN局部特征提取、BiGRU双向序列建模、注意力机制和SHAP可解释性的集成为自杀检测提供了一个全面的框架。该系统的训练和评估是在公开可用的数据集上完成的。使用了Several性能指标来评估模型性能。我们的模型在实验结果中实现了93.97%的准确率。与不同的最先进机器学习和深度学习模型及现有文献的比较研究表明，我们提出的技术在所有竞争方法上都表现优异。