Zaznavanje samomorilnih misli v spletnih objavah z uporabo velikih jezikovnih modelovKerkez, Pavle (Avtor) Škulj, Damjan (Mentor) Petrič, Gregor (Komentor) zaznavanje samomorastrojno učenjeveliki jezikovni modelivložitve dokumentovhierarhično združevanjeNaraščajoč pomen spletnega komuniciranja v sodobni družbi je poudaril potrebo po razumevanju in prepoznavanju samomorilnih misli v teh spletnih prostorih. Spletne skupnosti, še posebej tiste, osredotočene na duševno zdravje, pogosto vključujejo komunikacije, ki so tesno prepletene z izrazi samomorilnih misli. Medtem ko je zaznavanje teh izrazov pomembno za raziskave, je tudi ključnega pomena za proaktivno moderiranje in preventivne strategije na teh platformah. Tradicionalne metode strojnega učenja so pokazale obetajoče rezultate pri prepoznavanju samomorilnih nagnjenj v besedilnih podatkih. Vendar pa pojav velikih jezikovnih modelov (LLM), kot je GPT-4, zasnovanih na sofisticiranih arhitekturah globokega učenja, ponuja potencial za globlje in bolj niansirano zaznavanje subtilnih namigov, povezanih s samomorilnimi mislimi, ki so pogosto prepleteni z drugimi temami in jih je težko ločiti. Osrednja tema te raziskave je preučiti sposobnost LLM pri zaznavanju samomorilne vsebine v spletnih vsebinah. Cilji vključujejo 1) vdelavo besedil in njihovo združevanje na podlagi podobnosti vsebine ter 2) fino nastavitev modelov za razlikovanje in kategorizacijo dokumentov glede na prisotnost pristnih samomorilnih misli nasproti splošnim razpravam o duševnem zdravju. Rezultati potrjujejo učinkovitost LLM v obeh nalogah, saj uspešno združujejo objave na podlagi njihove podobnosti vsebine, da ustvarijo oznake razredov, poleg tega pa imajo visoko natančnost in obnovitev pri razlikovanju samomorilnih misli od splošnih pripovedi o duševnem zdravju.P. Kerkez20232023-10-04 08:30:31Magistrsko delo/naloga151299UDK: 316.624(043.2)VisID: 157980COBISS_ID: 167950083sl