Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Detecting Suicidal Ideation in Text with Interpretable Deep Learning: A CNN-BiGRU with Attention Mechanism

Created by
  • Haebom
Category
Empty

저자

Mohaiminul Islam Bhuiyan, Nur Shazwani Kamarudin, Nur Hafieza Ismail

개요

청소년 자살은 전 세계적으로 두 번째 주요 사망 원인이며, 과거 자살 시도는 미래 자살 위험을 예측하는 중요한 요인입니다. 자살 생각을 억누르려는 사람들도 있지만, 많은 사람이 소셜 미디어 플랫폼에서 의도를 드러냅니다. 본 연구에서는 CNN과 BiGRU를 결합한 새로운 하이브리드 딥러닝 기법을 제안하여 소셜 네트워크(SN) 데이터셋에서 자살 생각 패턴을 정확하게 식별합니다. 또한, SHapley Additive exPlanations (SHAP)를 사용하여 예측 결과를 해석하고 모델의 신뢰성을 검증합니다. CNN의 지역 특징 추출, BiGRU 양방향 시퀀스 모델링, 어텐션 메커니즘, SHAP 해석 가능성을 통합하여 자살 감지를 위한 포괄적인 프레임워크를 제공합니다. 공개 데이터셋에서 시스템을 학습하고 평가했으며, 실험 결과 93.97%의 정확도를 달성했습니다. 다양한 최신 머신러닝 및 딥러닝 모델과의 비교 연구를 통해 제안된 기법이 경쟁 방법보다 우수함을 입증했습니다.

시사점, 한계점

•
시사점:
◦
CNN과 BiGRU를 결합한 하이브리드 딥러닝 모델을 통해 소셜 미디어 데이터에서 자살 생각 패턴을 효과적으로 식별할 수 있음을 입증.
◦
SHAP를 활용하여 모델 예측 결과의 해석 가능성을 높이고, 모델의 신뢰성을 강화.
◦
기존 방법론 대비 높은 정확도를 달성하여, 자살 예방을 위한 조기 감지 시스템 개발에 기여할 수 있음.
•
한계점:
◦
연구에 사용된 데이터셋의 특성과 일반화 가능성에 대한 추가 검토 필요.
◦
모델의 실제 적용 시 발생할 수 있는 윤리적, 사회적 문제에 대한 고려가 필요.
◦
자살 관련 데이터의 특성상, 데이터 수집 및 라벨링 과정에서의 어려움과 편향 가능성을 고려해야 함.
👍
Made with Slashpage