D. Armstrong, Maxime
(2022).
« Modélisation de sujets pour la détection de risques en santé mentale » Mémoire.
Montréal (Québec), Université du Québec à Montréal, Maîtrise en informatique.
Fichier(s) associé(s) à ce document :
Résumé
Les troubles mentaux ont des effets néfastes à l’échelle planétaire, tant sur les individus que sur la société. Malgré ce problème omniprésent, les personnes affectées peinent à trouver l’aide nécessaire. Les avancées scientifiques dans le domaine de la détection automatique de risques en santé mentale sont prometteuses, particulièrement depuis l’arrivée des médias sociaux, où les utilisateurs se confient régulièrement à leur communauté. Dans ce contexte, ce mémoire s’intéresse à la détection de troubles mentaux à partir de contenus textuels dans les médias sociaux à l’aide de la modélisation de sujets. La modélisation de sujets est une technique puissante permettant d’expliquer la structure des sujets d’un corpus. Avec cette information, un document est descriptible comme une distribution de sujets, celle-ci pouvant servir comme ensemble d’attributs utiles à diverses tâches de détections de troubles mentaux. Toutefois, cette technique est sensible à la composition du vocabulaire d’un corpus et ignore souvent la sémantique des mots observés, résultant en des performances variables selon les troubles étudiés. Dans un premier temps, une étude comparative présente les capacités de modélisation d’attributs selon le type de trouble mental observé. Pour y arriver, plusieurs modèles de sujets sont entraînés sur divers corpus pour observer comment le vocabulaire affecte les performances. Ces dernières sont prometteuses, particulièrement pour la détection de l’anorexie. Par la suite, des expériences sont menées pour mettre en parallèle la modélisation de sujets traditionnels avec une nouvelle approche intégrant la sémantique des mots grâce aux plongements de mots. L’accent est mis sur la détection de la dépression au travers d’une tâche de classification binaire. Les résultats démontrent une amélioration lors de l’usage d’attributs obtenus via la nouvelle approche.
_____________________________________________________________________________
MOTS-CLÉS DE L’AUTEUR : modélisation de sujets, plongements de mots, classification binaire, analyse de sentiments, détection du risque, santé mentale, dépistage de la dépression, médias sociaux, apprentissage automatique, traitement automatique du langage naturel
| Type: |
Mémoire accepté
|
| Informations complémentaires: |
Fichier numérique reçu et enrichi en format PDF/A. |
|
Directeur de thèse: |
Meurs, Marie-Jean |
| Mots-clés ou Sujets: |
Modélisation de sujet / Prolongement de mots / Dépression / Dépistage / Médias sociaux / Classification binaire / Analyse de sentiments / Apprentissage automatique / Traitement automatique des langues naturelles / Santé mentale |
| Unité d'appartenance: |
Faculté des sciences > Département d'informatique |
| Déposé par: |
Service des bibliothèques
|
| Date de dépôt: |
24 août 2023 10:21 |
| Dernière modification: |
24 août 2023 10:21 |
| Adresse URL : |
http://archipel.uqam.ca/id/eprint/16903 |
RECHERCHER
PARCOURIR
LIBRE ACCÈS
