Derin öğrenme ile sosyal medyada depresyon sınıflandırması

Sosyal medyada akıl hastalıklarının tespiti, esas olarak zihinsel bozuklukların karmaşık doğasından dolayı karmaşık bir görev olarak değerlendirilebilir. Son yıllarda sosyal medya ağları günlük hayatımızın ayrılmaz bir parçası hâline geldi. Günümüzde sosyal medyadan bilgi almak, sosyal medyadaki trendleri takip etmek, sosyal medyadaki insanların duygu ve duygularını öğrenmek oldukça önemlidir. Sosyal medya platformlarının popülaritesinin sürekli artmasıyla birlikte bu araştırma alanı da gelişmeye başlamıştır. Sosyal medya platformları ile kullanıcıları arasında yakın bir ilişki bulunmaktadır ve bu nedenle kullanıcıların kişisel yaşamları çeşitli düzeylerde bu platformlara yansımaktadır. Böyle bir ortamda araştırmacılara insanın hayatına dair zengin bilgiler sunulur. Makine öğrenimindeki gelişmeler ve depresyonla ilgili örnek verilerin bulunmasıyla birlikte, depresyondan muzdarip bireylerin sayısını azaltmanın anahtarı olan bir erken depresyon teşhis sistemi geliştirme olasılığı vardır. Bu çalışma, API aracılığıyla tweetleri kazıyarak kendi veri setimizi oluştururken depresyonu tahmin etmek için derin öğrenme modeli Çift Yönlü Uzun Kısa Süreli Bellek Bidirectional (Bi-LSTM) uygulayıp verimli bir model önermektedir. Verilerin makine öğrenmesi eğitim prosedürlerine hazır hale getirilmesi için doğal dil işleme teknikleri uygulanmıştır. Önerilen çerçeve, derin öğrenme ve makine öğrenimi modellerinden daha yüksek, %97.25 doğruluk elde ederken yanlış pozitif oranı da azaltmıştır. Önerilen modeli ortalama doğruluğu açısından diğer modellerle karşılaştırımıştır. Önerilen yaklaşım, Twitter kullanıcılarının duygularındaki depresyonun erken tanınması için başarılı sonuçlar elde ederek Bi-LSTM'nin uygulanabilirliğini göstermektedir.