پیش بینی تاثیر گذاری مداخلات روانشناسی در کاهش ریسک خودکشی و درمان شخصی سازی شده با استفاده از ماشین لرنینگ[پايان نامه فارسي]

مریم ملاداودی

با توجه به این که افزایش نرخ خودکشی همچنان یکی از مشکلات جدی بهداشت روان محسوب می‌شود و توانایی در تحلیل دقیق وضعیت افراد در معرض خطر خودکشی بر اساس داده‌ ها با چالش جدی مواجه است ، این پژوهش به ارزیابی ریسک خودکشی بر اساس داده‌های متنی و طراحی چت‌بات برای ارائه حمایت و ارجاع آنها به منابع درمانی مناسب می‌پردازد. در این پژوهش ۵ مدل رگرسیون لجستیک، شبکه عصبی کانولوشن، شبکه حافظه طولانی کوتاه مدت، مدل های ترانسفورماتور برت و الکترا برای ارزیابی ریسک خودکشی داده‌های متنی ساخته و ارزیابی شدند. در نهایت یک چت‌بات مبتنی بر ترانسفورمرها ساخته شده و در صورت تشخیص ریسک خودکشی در پیام کاربر،‌ حمایت لازم را ارائه شد. مدل‌های ارائه شده ارزیابی به موقع ریسک خودکشی و امکان مداخله فوری را فراهم می‌کند و نشانه‌هایی که انسان‌ها ممکن است نادیده بگیرند را تشخیص می‌دهند. چت‌بات ارائه شده می‌تواند در مقیاس بزرگ عمل کند و بر محدودیت‌های منابع انسانی غلبه کند. ارزیابی و ارائه حمایت درمانی به این صورت و شخصی سازی مکالمات در چت بات ارائه شده امکان استفاده از خدمات سلامت روان برای افرادی که تمایلی به دریافت مراقبت در محیط‌های بالینی را ندارند و بیان راحت‌تر احساسات را افزایش می‌دهد.واژه‌های کلیدی: ریسک خودکشی، پیش‌بینی خودکشی، یادگیری ماشین، پردازش زبان طبیعی، درمان شخصی‌سازی شده