Αναγνώριση τάσεων αυτοκτονίας σε κοινωνικά δίκτυα

Identification of suicidal tendencies in social networks (english)

  1. MSc thesis
  2. Μυρίσας, Γεώργιος
  3. Μεταπτυχιακή Εξειδίκευση στα Πληροφοριακά Συστήματα (ΠΛΣ)
  4. 18 September 2021 [2021-09-18]
  5. Ελληνικά
  6. 131
  7. Καναβός , Ανδρέας
  8. Ανίχνευση αυτοκτονικού ιδεασμού, Τάσεις αυτοκτονίας, Διαδικτυακό περιεχόμενο, Μηχανική χαρακτηριστικών, Δίκτυα σχέσεων, Νευρωνικά δίκτυα, Μηχανική μάθηση, Βαθιά μάθηση, Εξόρυξη δεδομένων, Κοινωνικά δίκτυα.
  9. 1
  10. 118
  11. περιέχει 19 πίνακες και 17 εικόνες
    • Η αυτοκτονία έχει γίνει ένα σοβαρό ζήτημα κοινωνικής υγείας στη σύγχρονη κοινωνία. Ο αυτοκτονικός ιδεασμός είναι οι σκέψεις των ανθρώπων για αυτοκτονία. Πολλοί παράγοντες όπως η μακροχρόνια έκθεση σε αρνητικά συναισθήματα ή γεγονότα ζωής μπορούν να οδηγήσουν σε αυτοκτονικό ιδεασμό και απόπειρες αυτοκτονίας. Μεταξύ όλων των προσεγγίσεων της πρόληψης αυτοκτονίας, η έγκαιρη ανίχνευση αυτοκτονικού ιδεασμού είναι ένας από τους πιο αποτελεσματικούς τρόπους. Οι εξελίξεις των διαδικτυακών υπηρεσιών επικοινωνίας και κοινωνικής δικτύωσης παρέχουν επίσης μια πλατφόρμα για τους ανθρώπους να εκφράζουν τα βάσανα και τα συναισθήματά τους στον πραγματικό κόσμο, η οποία παρέχει μια πηγή για τον εντοπισμό αυτοκτονικών τάσεων και ιδεών. Η παρούσα διπλωματική εργασία διερευνά το διαδικτυακό κοινωνικό περιεχόμενο για έγκαιρη ανίχνευση αυτοκτονικού ιδεασμού. Το περιεχόμενο που δημιουργείται από τους χρήστες, ειδικά το κείμενο που δημοσιεύεται από τους χρήστες, περιέχει πλούσιες πληροφορίες σχετικά με την κατάσταση των ανθρώπων και αντικατοπτρίζει τις νοητικές τους καταστάσεις. Σε αυτή τη διπλωματική, πρώτα θα έχουμε μια περιεκτική ανάλυση περιεχομένου για να ανακαλύψουμε γνώσεις από κείμενο που σχετίζεται με αυτοκτονίες και διαμορφώνει ένα σημείο αναφοράς για τη δυαδική ταξινόμηση του αυτοκτονικού ιδεασμού, συμπεριλαμβανομένης της χρήσης χαρακτηριστικών που βασίζονται στην εξαγωγή χαρακτηριστικών και των βαθιών νευρωνικών δικτύων. Οι λόγοι αυτοκτονίας είναι περίπλοκοι και οι αυτοκτονικοί παράγοντες διαφέρουν από άτομο σε άτομο. Για να ενσωματώσουμε παράγοντες αυτοκτονίας για κατανόηση πρόθεσης αυτοκτονίας, εξετάζουμε συναισθηματικές ενδείξεις και θέματα στις διαδικτυακές αναρτήσεις των ανθρώπων και προτείνουμε να αιτιολογήσουμε τις σχέσεις μεταξύ αυτών των παραγόντων και των αναρτήσεων με δίκτυα σχέσης προσοχής για την ακριβή ανίχνευση ιδεών αυτοκτονίας. Συνολικά, ο έγκαιρος εντοπισμός αυτοκτονικού ιδεασμού απαιτείται επειγόντως για την πρόληψη της αυτοκτονίας. Αυτή η διπλωματική αναπτύσσει μεθόδους με ανάλυση περιεχομένου, τεχνική χαρακτηριστικών γνώσεων και τεχνικές βαθιάς μάθησης, όπως βαθιά νευρωνικά δίκτυα και προσεκτικά δίκτυα σχέσεων με την ελπίδα της αποτελεσματικής ανίχνευσης αυτοκτονικού ιδεασμού για την πρόληψη αυτοκτονιών και τη διάσωση της ανθρώπινης ζωής.
    • Suicide has become a serious social health issue in the modern society. Suicidal ideation is people’s thoughts about committing suicide. Many factors such as long-term exposure to negative feelings or life events can lead to suicidal ideation and suicide attempts. Among all the approaches of suicide prevention, early detection of suicidal ideation is one of the most effective ways. The advances of online communication and social networking services also provide a platform for people to express their sufferings and feelings in the real world, which provides a source for suicidal ideation detection. This thesis investigates the online social content for early detection of suicidal ideation. User-generated content, especially text posted by users, contains rich information about people’s status and reflects their mental states. In this thesis, we firstly have a comprehensive content analysis to discover knowledge from suicide-related text and preforms a benchmarking on binary classification of suicidal ideation including using feature extraction based classifiers and deep neural networks. The reasons of committing suicide are complicated, and suicidal factors vary from individuals. To incorporate suicidal factors for suicidal intention understanding, we consider sentimental clues and topics in people’s posts and propose to reason the relations between those factors and posts with attention relation networks for fine-grained suicidal ideation detection. Overall, early detection suicidal ideation is urgently in demand for suicide prevention. This thesis develops methods with content analysis, feature engineering, and deep learning techniques including deep neural networks, attentive relation and networks in the hope of using effective suicidal ideation detection to prevent suicide and save people’s life.
  13. Items in Apothesis are protected by copyright, with all rights reserved, unless otherwise indicated.