論文の概要: Detecting Suicidality in Arabic Tweets Using Machine Learning and Deep Learning Techniques

• arxiv url: http://arxiv.org/abs/2309.00246v1
• Date: Fri, 1 Sep 2023 04:30:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-04 14:32:01.246596
• Title: Detecting Suicidality in Arabic Tweets Using Machine Learning and Deep Learning Techniques
• Title（参考訳）: 機械学習とディープラーニングを用いたアラビア語ツイートのスーシダリティ検出
• Authors: Asma Abdulsalam, Areej Alhothali, Saleh Al-Ghamdi
• Abstract要約: 本研究は,Twitterからアラビアの自殺検知データセットを開発した。 これは、Twitterからアラビアの自殺検知データセットを開発した最初の研究である。
• 参考スコア（独自算出の注目度）: 0.32885740436059047
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Social media platforms have revolutionized traditional communication techniques by enabling people globally to connect instantaneously, openly, and frequently. People use social media to share personal stories and express their opinion. Negative emotions such as thoughts of death, self-harm, and hardship are commonly expressed on social media, particularly among younger generations. As a result, using social media to detect suicidal thoughts will help provide proper intervention that will ultimately deter others from self-harm and committing suicide and stop the spread of suicidal ideation on social media. To investigate the ability to detect suicidal thoughts in Arabic tweets automatically, we developed a novel Arabic suicidal tweets dataset, examined several machine learning models, including Na\"ive Bayes, Support Vector Machine, K-Nearest Neighbor, Random Forest, and XGBoost, trained on word frequency and word embedding features, and investigated the ability of pre-trained deep learning models, AraBert, AraELECTRA, and AraGPT2, to identify suicidal thoughts in Arabic tweets. The results indicate that SVM and RF models trained on character n-gram features provided the best performance in the machine learning models, with 86% accuracy and an F1 score of 79%. The results of the deep learning models show that AraBert model outperforms other machine and deep learning models, achieving an accuracy of 91\% and an F1-score of 88%, which significantly improves the detection of suicidal ideation in the Arabic tweets dataset. To the best of our knowledge, this is the first study to develop an Arabic suicidality detection dataset from Twitter and to use deep-learning approaches in detecting suicidality in Arabic posts.
• Abstract（参考訳）: ソーシャルメディアプラットフォームは、世界中の人々が瞬時、オープン、頻繁に接続できるように、伝統的なコミュニケーション技術に革命をもたらした。 人々はソーシャルメディアを使って個人的な物語を共有し、意見を表明します。 死、自傷、苦難といったネガティブな感情は、ソーシャルメディア、特に若い世代の間で一般的に表現される。 その結果、自殺の考えを検出するためにソーシャルメディアを使うことは、最終的に他人の自傷や自殺を防ぎ、ソーシャルメディア上で自殺の考えが広まるのを止める適切な介入を提供するのに役立つ。 アラビア語ツイートの自殺思考を自動検出する能力を検討するために,新しいアラビア語自殺ツイートデータセットを開発し,単語の頻度と単語埋め込み機能を訓練したna\"ive bayes, support vector machine, k-nearest neighbor, random forest, xgboostを含むいくつかの機械学習モデルを調査し,アラビア語ツイートにおける自殺思考を識別する事前訓練されたディープラーニングモデル,araert,araelectra,alagpt2の能力を検討した。 その結果,文字 n-gram 特徴を訓練した svm と rf モデルは,86% の精度と f1 スコアが 79% の機械学習モデルで最高の性能を示した。 ディープラーニングモデルの結果、AraBertモデルは、他の機械学習モデルやディープラーニングモデルよりも優れており、精度は91\%、F1スコアは88%であり、アラビアのつぶやきデータセットにおける自殺的思考の検出を大幅に改善している。 われわれの知る限りでは、Twitterからアラビアの自殺検知データセットを開発し、アラビア語投稿の自殺検出にディープラーニングを用いた最初の研究である。

関連論文リスト

• Social Support Detection from Social Media Texts [44.096359084699]
  ソーシャルメディアのような様々な相互作用やプラットフォームを通じて伝えられる社会支援は、所有意識を育む上で重要な役割を担っている。 本稿では,自然言語処理(NLP)タスクとしてのソーシャルサポート検出(SSD)について紹介する。 我々は1万のYouTubeコメントからなるデータセットで実験を行った。
  論文  参考訳（メタデータ） (2024-11-04T20:23:03Z)
• CautionSuicide: A Deep Learning Based Approach for Detecting Suicidal Ideation in Real Time Chatbot Conversation [0.0]
  自殺の早期発見は自殺の予防に役立つ。 本稿では,デジタルコンテンツにおける自殺的思考を検出するための,新しいシンプルな深層学習モデルを提案する。
  論文  参考訳（メタデータ） (2024-01-02T04:14:16Z)
• Understanding writing style in social media with a supervised contrastively pre-trained transformer [57.48690310135374]
  オンラインソーシャルネットワークは、ヘイトスピーチから偽情報の拡散まで、有害な行動の場として機能している。 本稿では, 4.5 x 106テキストの公開資料から得られた大規模コーパスに基づいて学習したStyle Transformer for Authorship Representations (STAR)を紹介する。 512個のトークンからなる8つのドキュメントからなるサポートベースを使用して、著者を最大1616人の著者のセットから、少なくとも80%の精度で識別することができる。
  論文  参考訳（メタデータ） (2023-10-17T09:01:17Z)
• Depression detection in social media posts using affective and social norm features [84.12658971655253]
  ソーシャルメディア投稿からの抑うつ検出のための奥深いアーキテクチャを提案する。 我々は、後期融合方式を用いて、ポストとワードの敬称と道徳的特徴をアーキテクチャに組み込んだ。 提案された機能を含めると、両方の設定で最先端の結果が得られます。
  論文  参考訳（メタデータ） (2023-03-24T21:26:27Z)
• A Quantitative and Qualitative Analysis of Suicide Ideation Detection using Deep Learning [5.192118773220605]
  本稿では,競合するソーシャルメディアによる自殺検知・予測モデルを再現した。 複数のデータセットと異なる最先端ディープラーニングモデルを用いて自殺思考の検出の可能性を検討した。
  論文  参考訳（メタデータ） (2022-06-17T10:23:37Z)
• An ensemble deep learning technique for detecting suicidal ideation from posts in social media platforms [0.0]
  本稿ではLSTM-Attention-CNN複合モデルを提案する。 提案されたモデルは90.3%の精度、F1スコア92.6%の精度を示した。
  論文  参考訳（メタデータ） (2021-12-17T15:34:03Z)
• Detecting Potentially Harmful and Protective Suicide-related Content on Twitter: A Machine Learning Approach [0.1582078748632554]
  我々は大量のTwitterデータを自動ラベル付けするために機械学習手法を適用した。 2つのディープラーニングモデルが2つの分類タスクで最高のパフォーマンスを達成した。 本研究は, 各種ソーシャルメディアコンテンツが自殺率, ヘルプ・サーキング行動に与える影響について, 今後の大規模調査を可能にするものである。
  論文  参考訳（メタデータ） (2021-12-09T09:35:48Z)
• Identification of Twitter Bots based on an Explainable ML Framework: the US 2020 Elections Case Study [72.61531092316092]
  本稿では,ラベル付きTwitterデータに基づくTwitterボット識別システムの設計に焦点をあてる。 Supervised Machine Learning (ML)フレームワークは、Extreme Gradient Boosting (XGBoost)アルゴリズムを用いて採用されている。 また、MLモデルの予測を説明するためにShapley Additive Explanations (SHAP)をデプロイした。
  論文  参考訳（メタデータ） (2021-12-08T14:12:24Z)
• Learning Language and Multimodal Privacy-Preserving Markers of Mood from Mobile Data [74.60507696087966]
  精神状態は、先進医療に共通する国でも診断されていない。 人間の行動を監視するための有望なデータソースのひとつは、日々のスマートフォンの利用だ。 本研究では,自殺行動のリスクが高い青少年集団の移動行動のデータセットを用いて,日常生活の行動マーカーについて検討した。
  論文  参考訳（メタデータ） (2021-06-24T17:46:03Z)
• Building and Using Personal Knowledge Graph to Improve Suicidal Ideation Detection on Social Media [4.769234388745917]
  ソーシャルメディア上での自殺思考検出のための深層ニューラルネットワークを用いた,自殺指向の知識グラフの構築と統合を行う。 ソーシャルメディアに基づく自殺思考検出は93%以上の精度を達成できることを示す。 これらのカテゴリでは、投稿されたテキスト、ストレスレベル、ストレス持続時間、投稿された画像、反響的な思考が自殺的思考の検出に寄与する。
  論文  参考訳（メタデータ） (2020-12-16T18:09:32Z)
• Suicidal Ideation and Mental Disorder Detection with Attentive Relation Networks [43.2802002858859]
  本稿では,語彙に基づく感情スコアと潜在トピックを用いたテキスト表現を強化する。 本研究は,自殺思考と精神障害を関連するリスク指標を用いて検出する関係ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-16T11:18:55Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。