Derin öğrenme ve makine öğrenmesi yöntemleriyle çevrimiçi sosyal ağlarda depresyon ve intihar tespiti

Bu tez çalışmasında, çevrimiçi sosyal ağlarda (ÇSA) gönderi paylaşan depresyondaki kişilerin intihar düşüncelerini tespit etmek ve intihar edip etmeyeceklerini tahmin etmek için derin öğrenme ve makine öğrenmesi tabanlı metin sınıflandırıcı modeller oluşturulmuştur. Çalışmada Suicide Ideation, Reddit Depression Suicidewatch ve Suicide Detection olmak üzere üç ayrı veri seti kullanılmıştır. Suicide Ideation veri seti için 'Potential suicide post' ve 'Not suicide post', Reddit Depression Suicidewatch veri seti için 'Depression' ve 'SuicideWatch', Suicide Detection veri seti için ise 'Suicide' ve 'Non-suicide' etiketleri bulunmaktadır. Bu veri setleri binary sınıflandırma görevi için derin öğrenme ve makine öğrenimi modellerinin geliştirilmesini ve değerlendirilmesini kolaylaştırmaktır. Bu çalışmada Artificial Neural Networks (ANN), Deep Belief Networks (DBN), Convolutional Neural Networks (CNN), Long Short-Term Memory (LTSM), FastText, Naive Bayes (NB), Logistic Regression (LR), k-en yakın komşu (k-NN), Random Forest (RF) ve Decision Tree (DT) yöntemleri kullanılarak intihar düşüncesi tahmin modelleri oluşturulmuş makine öğrenmesi yöntemlerine TF-IDF ve derin öğrenme modellerine ise FastText uygulanmıştır. Ayrıca hiperparametre optimizasyonu için bütün algoritmalara Grid Search yöntemi uygulanarak sonuçlar karşılaştırılmıştır. Tez çalışmasının ilk karşılaştırmalar sonucunda Suicide Ideation veri setinde %94 oranıyla RF modeli, Reddit Depression Suicidewatch veri setinde %73 oranıyla LR modeli ve Suicide Detection veri setinde ise %93 oranıyla ANN ve LR en başarılı modeller olmuştur. Grid Search metriği uygulandıktan sonraki karşılaştırmalar sonucunda ise Suicide Ideation veri setinde %94 oranıyla RF modeli, Reddit Depression Suicidewatch veri setinde %74 oranıyla ANN modeli ve Suicide Ideation veri setinde ise %93 oranıyla ANN ve LR en başarılı modeller olmuştur.