“`html

কৃত্রিম বুদ্ধিমত্তা মডেল কি সামাজিক মাধ্যমগুলোতে আত্মহত্যার চিন্তা শনাক্ত করতে পারে?

প্রতি বছর বিশ্বজুড়ে ৭২০,০০০-এরও বেশি মানুষ আত্মহত্যা করে মারা যায়, যা তরুণ প্রাপ্তবয়স্কদের মৃত্যুর প্রধান কারণগুলির মধ্যে একটি। রেডিটের মতো সামাজিক মাধ্যমগুলো এমন জায়গায় পরিণত হয়েছে যেখানে ব্যক্তিরা তাদের মনস্তাত্ত্বিক কষ্ট সরাসরি, কখনও কখনও পরোক্ষ বা রূপকভাবে প্রকাশ করে। সম্প্রতি একটি গবেষণায় বিভিন্ন কম্পিউটার টুলের মাধ্যমে অনলাইন পোস্টে এই ধরনের কষ্টের সংকেত শনাক্ত করার ক্ষমতা মূল্যায়ন করা হয়েছে।

গবেষকরা বেশ কয়েকটি পদ্ধতি তুলনা করেছেন: ক্লাসিক্যাল মেশিন লার্নিং মডেল, ডিপ নিউরাল নেটওয়ার্ক এবং কৃত্রিম বুদ্ধিমত্তা ভিত্তিক একটি উন্নত ভাষা মডেল। সাপোর্ট ভেক্টর মেশিন বা র‍্যান্ডম ফরেস্টের মতো ঐতিহ্যগত পদ্ধতিগুলোকে সেমান্টিক টেক্সট উপস্থাপনার সাথে পরীক্ষা করা হয়েছে। কনভলিউশনাল নিউরাল নেটওয়ার্ক (CNN) এবং লং শর্ট-টার্ম মেমরি (LSTM) এর মতো নিউরাল নেটওয়ার্কগুলোকেও প্রসঙ্গগত এবং আবেগপূর্ণ প্যাটার্ন ধরা করতে সক্ষম কিনা তা মূল্যায়ন করা হয়েছে। শেষ পর্যন্ত, বিশেষভাবে অভিযোজিত একটি GPT-2 মডেলকে দুটি বিভাগে বার্তাগুলো শ্রেণীবদ্ধ করার জন্য প্রশিক্ষণ দেওয়া হয়েছে: আত্মহত্যার ঝুঁকিপূর্ণ বা না-ঝুঁকিপূর্ণ।

ফলাফল দেখায় যে GPT-2 মডেলটি সর্বোচ্চ কর্মক্ষমতা অর্জন করেছে, ৯৮.২৫% নিরিখের সঠিকতা নিয়ে। এটি ঝুঁকিপূর্ণ বার্তাগুলোকে ঝুঁকিমুক্ত বার্তা থেকে কার্যকরভাবে আলাদা করতে সক্ষম হয়েছে এবং শ্রেণীবিভাগের ত্রুটি কমিয়ে আনতে পেরেছে। নিউরাল নেটওয়ার্কগুলির মধ্যে, CNN ৯৬.০৪% সঠিকতা অর্জন করেছে, আর LSTM পেয়েছে ৯৫.৯৭%। ক্লাসিক্যাল মডেলগুলো, যখন সেমান্টিক উপস্থাপনার সাথে যেমন ইউনিভার্সাল সেন্টেন্স এনকোডারের সাথে যুক্ত করা হয়, তখনও ভালো কার্যকারিতা দেখিয়েছে, সেরা সংমিশ্রণগুলোর জন্য ৯৩%-এরও বেশি সঠিকতা অর্জন করেছে।

গবেষণায় উল্লেখ করা হয়েছে যে ট্রান্সফরমার ভিত্তিক মডেলগুলো, যেমন GPT-2, আবেগপূর্ণ সূক্ষ্মতা এবং দীর্ঘ প্রসঙ্গগত নির্ভরশীলতা ধরা করতে উৎকৃষ্ট। এই ক্ষমতাগুলো সামাজিক মাধ্যমের পোস্টে প্রায়শই উপস্থিত পরোক্ষ কষ্টের অভিব্যক্তি শনাক্ত করতে বিশেষভাবে উপযোগী। ঐতিহ্যগত মডেলগুলো কম কার্যকর হলেও, কম্পিউটেশনাল সম্পদের দিক থেকে আরও সুলভ এবং প্রতিযোগিতামূলক রয়ে গেছে।

গবেষকরা বিভিন্ন কনফিগারেশন এবং ডেটা পার্টিশনের সাথে পরীক্ষা পুনরাবৃত্তি করে ফলাফলের স্থিতিশীলতা যাচাই করেছেন। মডেলগুলোর কর্মক্ষমতা, বিশেষ করে GPT-2 এবং CNN-এর, স্থিতিশীল এবং পুনরুৎপাদনযোগ্য প্রমাণিত হয়েছে, যা এই প্রেক্ষাপটে তাদের নির্ভরযোগ্যতা নিশ্চিত করেছে।

এই গবেষণাটি সামাজিক মাধ্যমগুলোতে কষ্টের সংকেত শনাক্ত করতে কৃত্রিম বুদ্ধিমত্তা টুলের গুরুত্বকে আলোকপাত করেছে। তবে, ফলাফলগুলো রেডিট প্ল্যাটফর্ম এবং ব্যবহৃত ডেটার জন্য নির্দিষ্ট রয়ে গেছে। অন্যান্য নেটওয়ার্ক এবং বিভিন্ন ভাষায় অতিরিক্ত ভ্যালিডেশন এই সিদ্ধান্তগুলোকে সাধারণীকরণ করার জন্য প্রয়োজন হবে।

“`

Sources du média

Document de référence

DOI : https://doi.org/10.1186/s43093-026-00867-w

Titre : A unified comparative evaluation of machine learning, deep learning and GPT-2 for suicide ideation detection from social media

Revue : Future Business Journal

Éditeur : Springer Science and Business Media LLC

Auteurs : Yasmeen Mohamed Saleh; Fahad Kamal Alsheref; Mahmoud Mohamed Bahloul