“`html

인공지능 모델은 소셜 미디어에서 자살 생각을 감지할 수 있을까?

매년 전 세계에서 72만 명 이상이 자살로 사망하며, 이는 젊은 성인들의 주요 사망 원인 중 하나로 꼽힌다. 레딧과 같은 소셜 미디어는 개인이 심리적 고통을 공개적으로 표현하는 공간이 되었으며, 때로는 간접적이거나 비유적인 방식으로 표현되기도 한다. 최근 연구에서는 다양한 컴퓨터 도구들이 온라인 게시물에서 이러한 고통 신호를 식별하는 능력을 평가했다.

연구자들은 여러 접근 방식을 비교했다: 전통적인 기계 학습 모델, 심층 신경망, 그리고 인공지능 기반의 고급 언어 모델이다. 지원 벡터 머신이나 랜덤 포레스트와 같은 전통적인 방법들은 텍스트의 의미적 표현과 함께 테스트되었다. CNN 및 LSTM과 같은 신경망들도 문맥적 및 감정적 패턴을 포착하는 능력을 평가받았다. 마지막으로, GPT-2 유형의 모델이 자살 관련 메시지와 비자살 관련 메시지로 분류하기 위해 특별히 맞춤 설정되어 훈련되었다.

결과에 따르면 GPT-2 모델이 98.25%의 정확도로 가장 우수한 성능을 보였다. 이 모델은 위험한 메시지와 그렇지 않은 메시지를 효과적으로 구분할 뿐만 아니라 분류 오류도 최소화했다. 신경망 중에서는 CNN이 96.04%의 정확도를 기록했으며, LSTM은 95.97%로 그 뒤를 이었다. 전통적인 모델들은 문장 보편 인코더와 같은 의미적 표현과 결합되었을 때 93%를 넘는 정확도를 보이며 좋은 효율성을 입증했다.

이 연구는 GPT-2와 같은 트랜스포머 기반 모델들이 감정적 뉘앙스와 긴 문맥적 의존성을 포착하는 데 탁월하다는 점을 강조한다. 이러한 능력들은 소셜 미디어 게시물에 자주 등장하는 간접적인 고통 표현을 감지하는 데 특히 유용하다. 전통적인 모델들은 성능은 다소 떨어지지만, 계산 자원 면에서 더 접근성이 높고 경쟁력 있다.

연구자들은 또한 다양한 구성과 데이터 분할로 실험을 반복하여 결과의 견고성을 확인했다. 특히 GPT-2와 CNN의 성능은 안정적이고 재현 가능하다는 것이 입증되어, 이 컨텍스트에서 그들의 신뢰성을 확인했다.

이 연구는 소셜 미디어에서 조기 고통 신호를 식별하기 위한 인공지능 도구의 중요성을 강조한다. 그러나 이러한 결과는 레딧 플랫폼과 사용된 데이터에 특화되어 있다. 다른 네트워크와 다양한 언어로의 추가 검증이 필요할 것이다.

“`

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