БАҚЫЛАНАТЫН ЖӘНЕ БАҚЫЛАНБАЙТЫН ОҚЫТУДЫ ДЕПРЕССИЯЛЫҚ ПОСТТАРДЫ АНЫҚТАУ ҮШІН АЛГОРИТМДЕРДІ САЛЫСТЫРУ

2017 жылы жарияланған Дүниежүзілік денсаулық сақтау ұйымының соңғы деректеріне сәйкес, Қазақстанда өз-өзіне қол жұмсау өлімінің жалпы саны 4 855-ге жетті немесе жалпы өлімнің 3,55 % -ын құрайды. Өлімнің деңгейі 100,000 адамға шаққанда 27,74 болса, Қазақстан әлемдегі № 4 орынға шықты. Бұл мақалада әлеуметтік және әлеуметтік желілердегі депрессиялық контентті анықтау үшін, белгіленген және белгіленбеген машина алгоритмдерін салыстыру ұсынылды. Бұл семантикалық талдауға психологиялық көмек көрсету, өз-өзіне қол жұмсаудың негізгі себептері болып табылады. Өзін-өзіне қол жұмсау – бұл импульсивтік әрекет емес, ал өзіне-өзі қол жұмсау үшін шамамен дайындық бір жылға созылады, оның барысында адам біздің әлеуметтік желі профилінде депрессиялық контентті орналастыру жағдайында оның жан-күйзелісін көрсететін белгілері болады. Бұл алгоритм, өзіне-өзі қол жұмсауды тудыруы мүмкін депрессивтік контентті анықтауға көмектеседі, негізін қалаушыларға Қазақстандағы ұлттық суицидтік алдын алу орталығының психологтарынан сенімді көмекке қол жеткізуге жәрдемдеседі. Tf-idf векторизациясының үлгісімен бақыланатын RandomForest үшін f 1-score 95% жоғары нәтиже алу, салыстыруды аяқтағаннан кейін, tf-idf-ты пайдаланудың K-means белгіленген алгоритмі әсерлі нәтижелерді көрсетеді, бұл тек 4 % төмен f 1-score және precision.

1. World Health Organization. Preventing suicide. A resource for counsellors. Geneva 2006.

2. Oksana Lysenko. “The number of suicides among children in Kazakhstan continues is growing”, [http://www.zakon.kz/4524024-kolichestvo-suicidov-sredi-detejj-v.html]

3. Klonsky E. D., May A. M. “Assessing Motivations for Suicide Attempts: Development and psychometric properties of the Inventory of Motivations for Suicide Attempts (IMSA).” Suicide and Life-Threatening Behavior, October 2013: 1-3.

4. Mukhtarkhanuly D., Abishev A. “Suicidal Post Detection in Social Networks using NLP.” Natural Sciences Publishing, August 2018.

5. Marouane Birjali, Abderrahim Beni-Hssane, and Mohammed Erritali. “Prediction of Suicidal Ideation in Twitter Data using Machine Learning algorithms.” International Arab Conference on Information Technology (ACIT’2016), 2016: 1-5.

6. Hardik A. Patel, Cheng-Yuan Hsieh - Knowledge Systems Institute. “Early Detection of Suicide Using Big-Data Analytics in Real Time.” Journal of Visual Languages and Sentient Systems, 2016:1

7. Liu, Tong, Qijin Cheng, Christopher M. M. Homan, and Vincent M. B. Silenzio. “Learning from various labeling strategies for suicide-related messages on social media: An experimental study.” arXiv: 1701.08796v1 [cs.LG] 17, no. 01 (Jan 2017): 1-8.

8. Receiver Operating Characteristic with cross-validation [http://scikit-learn.org/stable/auto_examples/model_selection/plot_roc_crossval.html#sphx-glr-auto-examples-model-selection-plot-roc-crossval-py]

9. https://github.com/DaniyarML/Publications/tree/master/Supervised_vs_Unsupervised