人工智能模型能否检测社交媒体上的自杀想法

每年，全球有超过72万人死于自杀，这成为年轻成人死亡的主要原因之一。社交媒体（如Reddit）已成为人们公开表达心理痛苦的场所，有时这些表达是间接或隐喻性的。一项近期研究评估了不同计算工具识别网络帖子中这些痛苦信号的能力。

研究人员比较了多种方法：经典的机器学习模型、深度神经网络以及基于人工智能的先进语言模型。传统方法（如支持向量机或随机森林）通过文本的语义表示进行了测试。神经网络（如CNN和LSTM）也因其捕捉上下文和情感模式的能力而被评估。最后，一个特别适配的GPT-2模型被训练用来将消息分为两类：有自杀倾向或无自杀倾向。

结果显示，GPT-2模型表现最佳，精确度达到98.25%。它能有效区分高风险消息和无风险消息，同时最小化分类错误。在神经网络中，CNN的精确度达到96.04%，LSTM紧随其后，为95.97%。当传统模型与语义表示（如通用句子编码器）结合时，也展现出良好的效果，最佳组合的精确度超过93%。

研究强调，基于Transformer的模型（如GPT-2）在捕捉情感细微差异和长上下文依赖方面表现优异。这些能力对于检测社交媒体帖子中常见的间接痛苦表达特别有用。传统模型虽然性能稍逊，但在计算资源可及性方面仍具有竞争力。

研究人员还通过不同的配置和数据分区重复实验，验证了结果的稳健性。模型（特别是GPT-2和CNN）的表现稳定且可复现，确认了它们在此情境下的可靠性。

这项研究凸显了人工智能工具在早期识别社交媒体上痛苦信号方面的重要性。然而，这些结果仍特定于Reddit平台和所用数据。要推广这些结论，还需要在其他社交媒体平台和不同语言中进行进一步验证。

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