سامانه همایش ها

صفحه اصلی / دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین و دومین کنفرانس ملی علم داده در کاربردهای مهندسی

تشخیص زودهنگام وسواس فکری از داده‌های متنی شبکه‌های اجتماعی با استفاده از مدل‌های زبانی بر پایه ترنسفورمر

نویسندگان :

سمیه حسینی زنوزی¹

1- موسسه آموزش عالی ابرار

کلمات کلیدی :

وسواس فکری-عملی،شبکه‌های اجتماعی،ترنسفورمر،روان‌زبان‌شناسی،تشخیص زودهنگام

چکیده :

این پژوهش به بررسی امکان تشخیص زودهنگام اختلال وسواس فکری-عملی از طریق تحلیل داده‌های متنی شبکه‌های اجتماعی با بهره‌گیری از مدل‌های زبانی مبتنی بر معماری ترنسفورمر می‌پردازد. با گردآوری و پیش‌پردازش داده‌ها از پلتفرم‌هایی نظیر Reddit و Twitter و استفاده از مدل‌هایی مانند BERT، RoBERTa و DistilBERT، عملکرد این سامانه‌ها در تشخیص نشانه‌های زبانی OCD مورد ارزیابی قرار گرفت. نتایج تجربی نشان داد که مدل‌های ترنسفورمر نسبت به مدل‌های کلاسیک مانند SVM و LSTM دقت بالاتری در معیارهایی نظیر F1، AUC و Recall دارند. تحلیل‌های زبان‌شناختی خروجی مدل‌ها نیز نشان داد که واژگان مرتبط با اجبار، اضطراب، کنترل و عدم قطعیت، از مؤلفه‌های شاخص در پیش‌بینی OCD هستند. در کنار کارایی فنی، جنبه‌های اخلاقی استفاده از داده‌های اجتماعی نیز بررسی شد و به چالش‌هایی نظیر رضایت آگاهانه، محرمانگی، و تعمیم‌پذیری اشاره گردید. این پژوهش ضمن تأیید کارایی مدل‌های یادگیری عمیق در تشخیص اختلالات روانی، مسیرهایی برای توسعه سیستم‌های هشدار اولیه در سلامت روان دیجیتال ترسیم می‌کند و بر لزوم همگرایی دانش‌های زبان‌شناسی، روان‌شناسی و هوش مصنوعی برای کاربردی‌سازی این راهکارها تأکید می‌ورزد.

لیست مقالات

لیست مقالات بایگانی شده

Dynamic Cross-Frequency Coupling Reveals Task Dependent Neural Engagement During Varying Cognitive Demands

Seyed Saman Sajadi - Babak Fazli - Fateme Karbasi - Ehsan Garosi - Milad Jalilian - Soheila Hosseinzadeh - Amir Homayoun Jafari - Seyed Abolfazl Zakerian

ایجاد پوشش کامپوزیتی HA-TiO₂ بر روی آلیاژ زیست‌تخریب‌پذیر منیزیم به روش رسوب‌دهی الکتروفورتیک

سید محمد مکی - حسن جعفری - فاطمه سادات پیش‌بین - سلیمان خوشرو