Sosyal medya metinlerinden depresyon ve intihar söylemlerinin derin öğrenme ve büyük dil modelleriyle tespiti
Detecting depression and suicidal rhetoric in social media texts using deep learning and big language models
- Tez No: 999797
- Danışmanlar: DOÇ. DR. SERPİL ASLAN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: Türkçe
- Üniversite: Malatya Turgut Özal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Enformatik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sosyal medya platformları, bireylerin duygu ve düşüncelerini metinler aracılığıyla ifade ettikleri yaygın iletişim ortamlarıdır ve bu içerikler ruh sağlığına ilişkin risklerin belirlenmesi açısından önemli veriler sunmaktadır. Küresel ölçekte intihar oranlarının özellikle genç nüfus arasında artış göstermesi, sosyal medya verilerinin erken uyarı sistemlerinde kullanılmasına yönelik araştırmaları ön plana çıkarmaktadır. Bu tez çalışmasının amacı, sosyal medya metinlerinden depresyon ve intihar söylemlerinin tespitinde Derin Öğrenme ve Büyük Dil Modelleri (LLM) tabanlı yaklaşımların etkinliğini incelemektir. Çalışmada, geleneksel öznitelik çıkarımı yöntemleri (TF-IDF), statik kelime temsilleri (GloVe) ve bağlamsal gömme tabanlı LLM yaklaşımları (BERT, RoBERTa) karşılaştırmalı olarak ele alınmıştır. Reddit platformundan elde edilen veri setleri üzerinde Lojistik Regresyon, Destek Vektör Makineleri ve LightGBM gibi klasik makine öğrenmesi algoritmaları ile Evrişimsel Sinir Ağları, Uzun Kısa Süreli Bellek ve Çift Yönlü Uzun Kısa Süreli Bellek mimarileri değerlendirilmiştir. Model çıktılarının yorumlanabilirliğini artırmak amacıyla SHAP ve LIME yöntemlerinden yararlanılmıştır. Elde edilen deneysel sonuçlar, metin temsil yönteminin sınıflandırma başarımı üzerinde belirleyici bir etkiye sahip olduğunu göstermiştir. Bağlamsal öğrenme yeteneğine sahip LLM tabanlı modellerin, statik yöntemlere kıyasla daha yüksek performans sergilediği ve özellikle intihar riski tespitinde %95'e varan duyarlılık (recall) değerlerine ulaştığı belirlenmiştir. Çalışma bulguları, önerilen yaklaşımların ruh sağlığı alanında erken uyarı ve karar destek sistemleri için uygulanabilir bir çözüm sunduğunu ortaya koymaktadır.
Özet (Çeviri)
Social media platforms are widely used communication environments in which individuals express their emotions and thoughts through textual content, and these data provide valuable insights for identifying mental health–related risks. The global increase in suicide rates, particularly among young populations, has brought research on the use of social media data in early warning systems to the forefront. The aim of this thesis is to examine the effectiveness of Deep Learning and Large Language Model (LLM)–based approaches in detecting depression and suicidal rhetoric from social media texts. In this study, traditional feature extraction methods (TF-IDF), static word representations (GloVe), and contextual embedding–based LLM approaches (BERT, RoBERTa) are comparatively analyzed. Using datasets collected from the Reddit platform, classical machine learning algorithms such as Logistic Regression, Support Vector Machines, and LightGBM, as well as deep learning architectures including Convolutional Neural Networks, Long Short-Term Memory, and Bidirectional Long Short-Term Memory models, are evaluated. To enhance the interpretability of model outputs, SHAP and LIME methods are employed. The experimental results demonstrate that the text representation method plays a decisive role in classification performance. LLM-based models with contextual learning capabilities outperform static approaches and achieve recall values of up to 95%, particularly in suicide risk detection. The findings indicate that the proposed approaches offer a practical and effective solution for early warning and decision support systems in the field of mental health.
Benzer Tezler
- Sosyal medya etkileşimlerine bağlı stres tespiti için yapay zeka tabanlı bir topluluk öğrenmesi modeli önerisi
An artificial intelligence based ensemble learning model for stress detection based on social media interactions
SEÇİL ÖZEN
Yüksek Lisans
Türkçe
2024
Endüstri ve Endüstri MühendisliğiÇukurova ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
DOÇ. DR. YUSUF KUVVETLİ
- GÖRSEL MEDYA VE ÜLKE EKONOMISI ARASINDAKI İLIŞKI(MISIR ÖRNEĞI)
عـــــلاقة الإعــــلام المـــــرئي بالاقـــــــتصاد القــــــــومي "نمـــــوذج الحـــــالة المصـــــرية
MOHAMED GAMAL ELSAID HELAL MOHAMED GAMAL ELSAID HELAL
Yüksek Lisans
Arapça
2019
Çalışma Ekonomisi ve Endüstri İlişkileriİstanbul Sabahattin Zaim Üniversitesiİslam İktisadı ve Hukuku Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ MOHAMED ADNAN DARWİCH
- Sosyal medyanın kendi gerçekliği: Zaytung örneği
Its's own reality of social media: Example of Zaytung
GÜLBEN TOKER
Yüksek Lisans
Türkçe
2019
SosyolojiMuğla Sıtkı Koçman ÜniversitesiSosyoloji Ana Bilim Dalı
DR. ÖĞR. ÜYESİ SAVAŞ ÇAĞLAYAN
- عـــــلاقة الإعــــلام المـــــرئي بالاقـــــــتصاد القــــــــومي "نمـــــوذج الحـــــالة المصـــــرية
Görsel medya ve ülke ekonomisi arasındaki ilişki mısır örneği
MOHAMED GAMAL ELSAID HELAL
Yüksek Lisans
Arapça
2019
Ekonomiİstanbul Sabahattin Zaim Üniversitesiİslam İktisadı ve Hukuku Ana Bilim Dalı (disiplinlerarası)
DR. ÖĞR. ÜYESİ MOHAMED ADNAN DARWİCH
- Sentiment analysis of social network data using machine learning
Sosyal ağ verileri kullanarak makine görüş analizi öğrenme
ALI ABAS ALO ALBABAWAT
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GALİP AYDIN