ترکیب داده‌های چندوجهی برای تشخیص افسردگی در توئیتر

نویسندگان

1 گروه علوم کامپیوتر، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه تهران، تهران، ایران

2 گروه علوم کامپیوتر، دانشکده ریاضی، آمار و علوم کامپیوتر، دانشگاه تهران، تهران، ایران

doi
10.22034/abmir.2025.22331.1080
چکیده

افسردگی یکی از شایع‌ترین بیماری‌های روانی دنیای امروز است که می توان آن را با استفاده از اطلاعات موجود در شبکه‌های اجتماعی به طور مؤثری شناسایی کرد. استفاده از شبکه‌های اجتماعی برای مقاصد مختلف در سال‌های گذشته افزایش داشته است، زیرا این شبکه‌ها بیانگر اطلاعات مهمی هم از افراد و هم از جامعه هستند. پژوهشگران تلاش کرده‌اند تا افسردگی را با استفاده از وجوه مختلف اطلاعات مثل عکس، متن و صوت شناسایی کنند؛ اما بیشتر پژوهش‌ها تمرکز بر این موضوع داشتند که فقط از یک نوع اطلاعات مثل متن یا عکس برای تشخیص استفاده کنند که به نتایج قابل‌توجهی دست یافته‌اند. در این پژوهش یک مدل هوش مصنوعی چندوجهی از نوع شبکه‌های عمیق معرفی می‌شود که اطلاعات متن و عکس را با هم تحلیل کرده و افسردگی را تشخیص می‌دهد. این پژوهش از کدگذار متنی Bert و ResNet برای استخراج ویژگی استفاده می‌کند. این مدل نسبت به مدل‌های مشابه با استفاده از مقدار بسیار کمتری از مجموعه‌داده‌ی اصلی، دقت را نزدیک به ۵ درصد ارتقا داده است و به ۸۷/۸۹ درصد رسانده است.