جمال رحمتی - دانشجوی دکتری هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی شاهرود، شاهرود، ایران

شبکه های اجتماعی مانند فیس بوک، توییتر و اینستاگرام، در میان دیگر پلتفرمهای رسانه های اجتماعی ، جهان ما را بطور غیرقابل برگشتی تغییر دادهاند. مردم بیش از هر زمان دیگری به هم مرتبط هستند و شخصیت دیجیتالی ایجاد کردهاند. اگرچه رسانه های اجتماعی دارای تعدادی ویژگی جذاب هستند، اما دارای معایبی نیز هستند. تحقیقات اخیر رابطه ای بین استفاده بیش از حد از پلتفرمهای شبکه ای که اجتماعی هستند و افسردگی بیشتر پیدا کرده است . هدف از این تحقیق استفاده از تکنیک های یادگیری ماشین برای شناسایی کاربر غمگین توییتر است که بر اساس رفتار شبکه و توییت های او است . هدف این تحقیق استفاده از تکنیک های یادگیری ماشین برای شناسایی توییت های احتمالی ناراضی توییتر است . ما از متغیرهای جمع آوریشده از رفتارهای کاربر در توییت ها برای آموزش و آزمایش طبقه بندیکنندهها استفاده کردیم تا تشخیص دهیم که یک فرد افسرده است یا نه . در مقیاس ۰-۱۰۰ درصد، از الگوریتم های یادگیری ماشین مبتنی بر طبقه بندی برای آموزش و طبقه بندی آن در مراحل مختلف افسردگی استفاده می شود. همچنین ، دادهها در قالب توییت هایی جمع آوری شد که با استفاده از الگوریتم های طبقه بندی یادگیری ماشین ، به این دسته بندی می شوند که آیا فردی که توییت کرده است افسرده است یا خیر. تکنیک پیش بینی برای شناسایی زودهنگام افسردگی یا سایر بیماریهای مرتبط با روانشناختی از این طریق انجام شد. سهم کلیدی این مطالعه بررسی وابستگی ویژگی ها و پیامدهای آنها بر یافتن سطوح افسردگی است .

تحلیل احساسات، شبکه های اجتماعی ، استخراج ویژگی ، طبقه بندی، یادگیری ماشین ، افسردگی