使用机器学习与深度学习技术检测阿拉伯语推文中的自杀倾向
计算与语言
2023-09-04 v1
摘要
社交媒体平台通过使全球人们能够即时、公开且频繁地联系，彻底改变了传统交流方式。人们使用社交媒体分享个人故事并表达观点。死亡念头、自我伤害与困境等负面情绪常在社交媒体上表达，尤其在年轻一代中。因此，利用社交媒体检测自杀念头将有助于提供适当干预，最终阻止他人自我伤害与自杀，并遏制自杀意念在社交媒体上的传播。为探究自动检测阿拉伯语推文中自杀念头的能力，我们构建了一个新颖的阿拉伯语自杀推文数据集，考察了若干机器学习模型，包括朴素贝叶斯、支持向量机、K近邻、随机森林与 XGBoost，其训练基于词频与词嵌入特征，并研究了预训练深度学习模型 AraBert、AraELECTRA 与 AraGPT2 识别阿拉伯语推文中自杀念头的能力。结果表明，基于字符 n-gram 特征训练的 SVM 与 RF 模型在机器学习模型中表现最佳，准确率为 86%，F1 分数为 79%。深度学习模型的结果显示，AraBert 模型优于其他机器与深度学习模型，准确率达 91% 且 F1 分数为 88%，显著提升了阿拉伯语推文数据集中的自杀意念检测。据我们所知，这是首项从 Twitter 构建阿拉伯语自杀倾向检测数据集并运用深度学习方法检测阿拉伯语帖子中自杀倾向的研究。
引用
@article{arxiv.2309.00246,
title = {Detecting Suicidality in Arabic Tweets Using Machine Learning and Deep Learning Techniques},
author = {Asma Abdulsalam and Areej Alhothali and Saleh Al-Ghamdi},
journal= {arXiv preprint arXiv:2309.00246},
year = {2023}
}