“`html

人工智慧模型能否偵測社群媒體上的自殺念頭

每年全球有超過72萬人死於自殺，這使其成為年輕成人死亡的主要原因之一。社群媒體（如Reddit）已成為人們公開表達心理困擾的場所，有時以間接或隱喻的方式表達。最近的一項研究評估了不同電腦工具在識別線上帖文中這些痛苦信號的能力。

研究人員比較了多種方法：傳統機器學習模型、深度神經網路以及基於人工智慧的先進語言模型。傳統方法（如支援向量機或隨機森林）與文本語義表示一起測試。神經網路（如CNN和LSTM）也被評估其捕捉上下文和情感模式的能力。最後，一個特別調整的GPT-2模型被訓練用來將訊息分為兩類：有自殺傾向或沒有自殺傾向。

結果顯示，GPT-2模型表現最佳，準確率達到98.25%。它能有效區分高風險訊息和非高風險訊息，同時最小化分類錯誤。在神經網路中，CNN的準確率達到96.04%，LSTM緊隨其後，為95.97%。傳統模型在與語義表示（如通用句子編碼器）結合時，也表現出良好的效果，最佳組合的準確率超過93%。

研究強調，基於轉換器的模型（如GPT-2）在捕捉情感細微差異和長距離上下文依賴方面表現優異。這些能力對於偵測社群媒體帖文中常見的間接痛苦表達特別有用。傳統模型雖然表現稍遜，但在計算資源的可及性方面仍具有競爭力。

研究人員還通過不同的配置和數據分割重複實驗，以驗證結果的穩健性。模型（尤其是GPT-2和CNN）的表現證明是穩定且可重現的，確認了它們在這一背景下的可靠性。

這項研究凸顯了人工智慧工具在及早識別社群媒體上的痛苦信號方面的重要性。然而，這些結果仍特定於Reddit平台和所使用的數據。為了推廣這些結論，還需要在其他社群媒體平台和不同語言中進行額外驗證。

“`

Sources du média

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

Ready

Speed 500