Das ist eine deutsche Kurzfassung meiner in Englisch verfassten Masterarbeit. Die Verarbeitung natürlicher Sprache (NLP) bietet vielversprechende Ansätze für die Bewertung der psychischen Gesundheit durch die Analyse linguistischer Merkmale in sozialen Medien. Diese Studie vergleicht Modelle zur Sentiment-Analyse, einschließlich traditioneller maschineller Lernalgorithmen (logistische Regression, SVM, Random Forest) und fortschrittlicher Deep-Learning-Modelle (LSTM, BERT), um ihre Wirksamkeit bei der Klassifizierung psychischer Gesundheitszustände wie Depression, Angst und Stress zu bestimmen. Unter Verwendung eines umfassenden Datensatzes von Plattformen wie Reddit und Twitter bewertet diese Arbeit die Modellleistung anhand von Genauigkeit, Präzision und Recall, wobei ethische Aspekte des Datenschutzes berücksichtigt werden. Die Ergebnisse unterstreichen das Potenzial der Sentiment-Analyse für die Früherkennung und kontinuierliche Überwachung psychischer Gesundheit und sprechen für die Integration in personalisierte Interventionen und öffentliche Gesundheitsstrategien. Herausforderungen umfassen die Vielfalt der Daten und ethische Überlegungen, die Verbesserungen der Modellrobustheit und der Anwendungsprotokolle erfordern. Diese Studie hebt die Bedeutung der Nutzung von NLP für zeitnahe Interventionen im Bereich psychischer Gesundheit hervor und trägt zu verbesserter diagnostischer Genauigkeit und zu unterstützenden Versorgungssystemen bei.
Berna Franko (Wed,) studied this question.