Derin öğrenme ile sosyal medyada depresyon sınıflandırması
Depression classification on social media with deep learning
- Tez No: 876282
- Danışmanlar: DOÇ. DR. SERKAN SAVAŞ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Depresyon, Derin öğrenme, Makine öğrenmesi, Depression, Deep learning, Machine learning
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Çankırı Karatekin Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Bilgisayar Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sosyal medyada akıl hastalıklarının tespiti, esas olarak zihinsel bozuklukların karmaşık doğasından dolayı karmaşık bir görev olarak değerlendirilebilir. Son yıllarda sosyal medya ağları günlük hayatımızın ayrılmaz bir parçası hâline geldi. Günümüzde sosyal medyadan bilgi almak, sosyal medyadaki trendleri takip etmek, sosyal medyadaki insanların duygu ve duygularını öğrenmek oldukça önemlidir. Sosyal medya platformlarının popülaritesinin sürekli artmasıyla birlikte bu araştırma alanı da gelişmeye başlamıştır. Sosyal medya platformları ile kullanıcıları arasında yakın bir ilişki bulunmaktadır ve bu nedenle kullanıcıların kişisel yaşamları çeşitli düzeylerde bu platformlara yansımaktadır. Böyle bir ortamda araştırmacılara insanın hayatına dair zengin bilgiler sunulur. Makine öğrenimindeki gelişmeler ve depresyonla ilgili örnek verilerin bulunmasıyla birlikte, depresyondan muzdarip bireylerin sayısını azaltmanın anahtarı olan bir erken depresyon teşhis sistemi geliştirme olasılığı vardır. Bu çalışma, API aracılığıyla tweetleri kazıyarak kendi veri setimizi oluştururken depresyonu tahmin etmek için derin öğrenme modeli Çift Yönlü Uzun Kısa Süreli Bellek Bidirectional (Bi-LSTM) uygulayıp verimli bir model önermektedir. Verilerin makine öğrenmesi eğitim prosedürlerine hazır hale getirilmesi için doğal dil işleme teknikleri uygulanmıştır. Önerilen çerçeve, derin öğrenme ve makine öğrenimi modellerinden daha yüksek, %97.25 doğruluk elde ederken yanlış pozitif oranı da azaltmıştır. Önerilen modeli ortalama doğruluğu açısından diğer modellerle karşılaştırımıştır. Önerilen yaklaşım, Twitter kullanıcılarının duygularındaki depresyonun erken tanınması için başarılı sonuçlar elde ederek Bi-LSTM'nin uygulanabilirliğini göstermektedir.
Özet (Çeviri)
The detection of mental illnesses on social media can be considered a complex task primarily due to the intricate nature of mental disorders. In recent years, social media networks have become an integral part of our daily lives. Acquiring information, tracking trends, and understanding the emotions of individuals on social media have become significantly important. Correspondingly, the burgeoning popularity of social media platforms has led to the development of this research area. There exists a close relationship between social media platforms and their users, thereby reflecting various aspects of users' personal lives on these platforms. In such an environment, researchers are presented with rich information about human life. With advancements in machine learning and the availability of sample data related to depression, there lies the possibility of developing an early depression diagnosis system a key to reducing the number of individuals suffering from depression. This study proposes an efficient model by employing a deep learning model, Bidirectional Long Short-Term Memory (Bi-LSTM), to predict depression by scraping tweets using an API to create its own dataset. Natural language processing techniques were applied to prepare the data for machine learning training procedures. The proposed framework achieves higher accuracy, reaching 97.25%, compared to other deep learning and machine learning models, while also reducing the false positive rate. The suggested model is compared with other models in terms of average accuracy. This proposed approach demonstrates successful results in the early detection of depression in Twitter users' sentiments, showcasing the applicability of Bi-LSTM.
Benzer Tezler
- Suicidal ideation detection from social media
Sosyal medya içeriğinden intihar düşüncesi algılama
ÖZAY EZERCELİ
Yüksek Lisans
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolIşık ÜniversitesiBilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ RAHİM DEHKHARGHANİ
- A multi-dimensional technique for predicting the severity of depression and anxiety disorders among social media users using a deep learning-based model
Sosyal medya kullanıcılarında depresyon ve anksiyete bozukluklarının şiddetini derin öğrenme tabanlı bir modelle öngörmeye yönelik çok boyutlu bir teknik
MARYAM ZAKER
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKadir Has ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Prof. Dr. NİMA JAFARİ NAVİMİPOUR
- Dijital oyunlarda siber terörün yapay zekâ ile tespiti ve erişime engellenmesi
Detection and prevention of cyber terrorism in digital games using deep learning
AHMET EDİP ÇAPANOĞLU
Doktora
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiAdli Bilişim Ana Bilim Dalı
DOÇ. DR. NURSEL YALÇIN
- Ankara ilindeki üç ilköğretim okulu öğrencilerinin epilepsiye yaklaşımı ve hastalık hakkındaki bilgi düzeyleri
Knowledge of epilepsy and attitudes towards the condition among three elementary schools students in Ankara
İKBAL OK BOZKAYA
Tıpta Uzmanlık
Türkçe
2006
Çocuk Sağlığı ve HastalıklarıGazi ÜniversitesiÇocuk Ruh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. AYŞE SERDAROĞLU
- Türkiye'de aile planlaması çalışmalarında erkeklerin önemi, hastane personeli ile fabrika işçilerinin doğum kontrol yöntemlerine karşı tutum ve davranranışlarında farklılığın araştırılması
Başlık çevirisi yok
KAMİL MALKOÇLU
Yüksek Lisans
Türkçe
1987
Demografiİstanbul ÜniversitesiAile Sağlığı Ana Bilim Dalı
DOÇ. DR. DERİN KÖSEBAY