Ανίχνευση ψυχικών διαταραχών σε social media με τεχνικές μηχανικής μάθησης

Abstract

Η παρούσα διπλωματική εργασία επικεντρώνεται στην ανίχνευση διαταραχών ψυχικής υγείας, συγκεκριμένα της κατάθλιψης, μέσω ανάλυσης αναρτήσεων στο Reddit. Χρησιμοποιώντας ένα σύνολο δεδομένων που αντιπροσωπεύει την κατάθλιψη με κλάσεις σοβαρότητας (ελάχιστη, ήπια, μέτρια, σοβαρή), η μελέτη χρησιμοποιεί ένα μοντέλο βασισμένο σε μετασχηματιστές, προερχόμενοι από τον BERT, μαζί με μεταδεδομένα, για την επεξεργασία των δεδομένων κειμένου. Τα τέσσερα τελευταία στρώματα των εξόδων του μετασχηματιστή συνενώνονται, πολλαπλασιάζονται με βάρη και συγχωνεύονται, προτού τροφοδοτηθούν σε αρχιτεκτονικές νευρωνικών δικτύων, όπως ∆ίκτυα Εμπρόσθιας Τροφοδότησης Πολλών Επιπέδων (Multi Layer Perceptron MLP), ∆ίκτυα Μακράς Βραχύχρονης Μνήμης (Long ShortTerm Memory, LSTM) και Πολυτροπικών Κυττάρων με Πύλες (Gated Multimodal Unit, GMU). Στην ανάλυση ενσωματώνονται μεταδεδομένα, συμπεριλαμβανομένων γλωσσικών μεταδεδομένων, αναφορών φαρμάκων κατάθλιψης, αποτελέσματα μοντέλου emoRoberta (συναισθηματική ανάλυση) και ανάλυσης συναισθήματος (πολικότητα). Χρησιμοποιούνται τεχνικές επαύξησης κειμένου για την αντιμετώπιση των περιορισμένων δεδομένων κατάθλιψης. Η έρευνα περιλαμβάνει επίσης τη σύγκριση των μετρικών που προκύπτουν από την εκτέλεση των μοντέλων νευρωνικών δικτύων για την αξιολόγηση της αποτελεσματικότητας των μοντέλων στην ανίχνευση κατάθλιψης σε αναρτήσεις στα μέσα κοινωνικής δικτύωσης.