机构名称：
¥ 1.0
根据世界卫生组织的说法，自杀是死亡的十大原因之一。每次自杀死亡估计有138人的生命受到重大影响，几乎所有与自杀死亡有关的统计数据都与之有关。社交媒体的广泛使用和用于访问社交媒体网络的几乎通用的移动设备为预防性干预提供了新的机会，以及研究（试图）自行生活的人的行为的新形式的数据。我们表明，使用社交媒体数据识别自杀风险个人是可行的。具体来说，我们提出了一种自动化系统的概念，用于使用自然语言处理和机器学习（尤其是深度学习）方法检测自杀未遂的可测量信号。该项目的目标是改善自杀职位的自动识别和报告。它提供了一种研究Twitter作为社交媒体平台的方法，以找到自杀的警告指标。前面提到的方法的主要目标是自动检测用户在线行为的异常变化。可能在事件之前可能的风险或警告指标的复杂因素的理解和识别为预防自杀带来了困难。许多自然语言处理（NLP）方法用于衡量文本变化，并通过独特的框架传递，该框架可以广泛使用来实现这一目标。我们使用CNN-LSTM模型来评估和对比其他分类方法。深度学习和基于机器学习的分类算法用于通过分析社交网络平台Twitter上的推文来在早期阶段识别自杀思想。我们首先对两个分类器进行了预处理的数据，然后分别进行功能提取，然后分别进行机器学习和深度学习分类器。与早期的CNN-LSTM系统相比，研究表明，使用单词技术嵌入的CNN-LSTM框架达到了94％的分类精度。
一种自然语言处理模型
主要关键词
相关文件推荐
