نهج هجين من BERT-CNN للكشف عن الاكتئاب على وسائل التواصل الاجتماعي باستخدام بيانات متعددة الوسائط

الملخص نظرًا لعدم وجود مرافق مبكرة، تعاني شريحة كبيرة من السكان من مشاكل التوتر والقلق والاكتئاب، التي قد تؤدي إلى عواقب كارثية، بما في ذلك الانتحار. كشفت الدراسات السابقة عن علاقة مباشرة بين الانخراط العالي في وسائل التواصل الاجتماعي وزيادة معدل الاكتئاب. تخلق هذه البحث في البداية مجموعة بيانات تحتوي على نصوص ورموز تعبيرية وبيانات صور، ثم يتم تنفيذ المعالجة المسبقة باستخدام تقنيات متنوعة. يتكون النموذج المقترح في البحث من ثلاثة أجزاء: الأول هو تمثيلات الترميز الثنائي الاتجاه للنصوص من المحولات (BERT)، الذي يتم تدريبه فقط على بيانات النصوص كما يتم تحويل الرموز التعبيرية إلى شكل نصي لتسهيل المعالجة؛ والثاني هو الشبكة العصبية الالتفافية (CNN)، التي يتم تدريبها فقط على بيانات الصور؛ والثالث هو مزيج من أفضل النماذج أداءً، أي هجين من BERT وCNN (BERT-CNN)، للعمل على كل من النصوص والصور بدقة محسنة. تظهر النتائج أفضل دقة مع BERT، أي 97% لبيانات النصوص؛ بالنسبة لبيانات الصور، حققت CNN أعلى دقة بنسبة 89%. أخيرًا، يتم مقارنة النهج الهجين مع تركيبات أخرى ودراسات سابقة؛ وقد حقق أفضل دقة بنسبة 99% في تصنيف المستخدمين إلى مكتئبين وغير مكتئبين استنادًا إلى بيانات متعددة الوسائط.