Обнаружение депрессии среди пользователей социальной сети с использованием методов машинного обучения
(Стр. 16-22)

Статистические данные, представленные ФГБУ «НМИЦПН им. В.П. Сербского» Минздрава России, указывают на то, что депрессия, как психоэмоциональное состояние, является основной причиной беспокойства во всем мире, которая в большинстве случаев приводит к самоубийству, если ее не выявить, и к угрозе окружающим. Исследования показывают, что депрессия, как правило, оказывает влияние на стиль письма и соответствующее использование языка. Основной целью предлагаемого исследования является изучение сообщений пользователей в социальной сети ВКонтакте и определения атрибутов, которые могут указывать на депрессивные симптомы пользователей. В статье используются подходы машинного обучения (логистическая регрессия, случайный лес, машина опорных векторов, XGBoost) и методы обработки естественного языка (удаление стоп-слов, удаление символов, токенизация, лемматизация) для подготовки данных и оценки их эффективности. В работе было продемонстрировано, что возможность поиска депрессивных пользователей с точностью 77% с помощью классификатора XGBoost. Этот метод комбинируется с другими лингвистическими функциями (N-грамм + TF-IDF) и LDA для достижения более высокой точности. В заключительной части данной научной публикации представлены существенные результаты, полученные в ходе проведенных исследовательских работ.

ОБРАЗЕЦ ЦИТИРОВАНИЯ: Зоткина А.А., Мартышкин А.И. Обнаружение депрессии среди пользователей социальной сети с использованием методов машинного обучения // Computational Nanotechnology. 2023. Т. 10. № 4. С. 16-22. DOI: 10.33693/2313-223X-2023-10-4-16-22. EDN: YANPMX

Abboute A., Boudjeriou Y., Entringer G. et al. Mining Twitter for suicide prevention. In: Natural language processing and information systems. NLDB 2014. Lecture notes in computer science. E. Métais, M. Roche, M. Teisseire (eds.). Vol. 8455. Cham: Springer, 2014. Pp. 250–253. DOI: https://doi.org/10.1007/978-3-319-07983-7_36
Chattopadhyay S. A study on suicidal risk analysis. 9th International Conference on e-Health Networking, Application and Services. Taipei: IEEE, 2007. Pp. 74–78.
Coppersmith G., Ngo K., Leary R., Wood A. Exploratory analysis of social media prior to a suicide attempt. In: Proceedings of the third workshop on computational linguistics and clinical psychology. San Diego, CA: Association for Computational Linguistics. 2016. Pp. 106–117.
O’dea B., Wan S., Batterham P.J. et al. Detecting suicidality on Twitter. Internet Interventions // The Application of Information Technology in Mental and Behavioural Health. 2015. No. 2 (2). Pp. 183–188. DOI:10.1016/j.invent.2015.03.005.
Бонцанини М. Анализ социальных медиа на Python. Извлекайте и анализируйте данные из всех уголков социальной паутины на Python / пер. с англ. А.В. Логунова. М.: ДМК Пресс, 2018. 288 с. ISBN 978-5-97060-574-5. URL: https://e.lanbook.com/book/108129
Зоткина А.А. Анализ депрессивного состояния пользователей социальной сети «ВКонтакте» // XXI век: итоги прошлого и проблемы настоящего плюс. 2022. Т. 11. № 4 (60). С. 52–55. DOI: 10.46548/21vek-2022-1160-0007.
Коэльо Л.П., Ричарт В. Построение систем машинного обучения на языке Python / пер. с англ. А.А. Слинкин. 2-е изд. М.: ДМК Пресс, 2016. 302 с. ISBN 978-5-97060-330-7. URL: https://e.lanbook.com/book/82818
Макшанов А.В., Журавлев А.Е., Тындыкарь Л.Н. Большие данные. Big Data. 2-е изд., стер. СПб.: Лань, 2022. 188 с. ISBN 978-5-8114-9690-7. URL: https://e.lanbook.com/book/198599
Москвитин А.А. Данные, информация, знания: методология, теория, технологии: монография. СПб.: Лань, 2022. 236 с. ISBN 978-5-8114-3232-5. URL: https://e.lanbook.com/book/206267
Семериков А.В., Глазырин М.А. Классификация объектов на основе нейронной сети и методами дерева решения и ближайших соседей: учеб. пособие. Ухта: УГТУ, 2022. 68 с. URL: https://e.lanbook.com/book/267857
Флах П. Машинное обучение. Наука и искусство построения алгоритмов, которые извлекают знания из данных. М.: ДМК Пресс, 2015. 400 с. ISBN 978-5-97060-273-7. URL: https://e.lanbook.com/book/69955
Шалев-Шварц Ш., Бен-Давид Ш. Идеи машинного обучения: учеб. пособие / пер. с англ. А.А. Слинкина. М.: ДМК Пресс, 2019. 436 с. ISBN 978-5-97060-673-5. URL: https://e.lanbook.com/book/131686 (дата обращения: 02.02.2023).

социальные сети, ВКонтакте, машина опорных векторов, логистическая регрессия, случайный лес, депрессия.