Détection de signes associés aux troubles de la santé mentale par analyse automatique du langage naturel

Ferstler, Yves (2026). « Détection de signes associés aux troubles de la santé mentale par analyse automatique du langage naturel » Mémoire. Montréal (Québec, Canada), Université du Québec à Montréal, Maîtrise en informatique.

Fichier(s) associé(s) à ce document :

	PDF Télécharger (1MB)

Résumé

Les récentes avancées dans le domaine du traitement automatique du langage naturel ont permis d’améliorer les modèles en intelligence artificielle pour la compréhension de textes. Des tâches telles que la génération de textes, la détection d’entités nommées et le résumé automatique ont connu des progrès significatifs grâce à l’émergence de nouvelles méthodes. Cependant, certaines tâches, souvent associées à d’autres domaines, demandent une compréhension plus large que celle du simple texte. Par exemple, détecter des signes de troubles mentaux dans un texte nécessite une expertise dans le domaine de la santé mentale pour effectuer la tâche. L’objectif de ce manuscrit va alors être de d’examiner s’il est possible de détecter des comportements associés aux troubles de la santé mentale en utilisant les récentes approches issues du traitement automatique du langage. Ce mémoire présente les notions préliminaires dans le domaine du traitement automatique du langage naturel qui ont permis la conception des nouvelles approches maintenant plus démocratisées dans de nombreux domaines. Le document met ensuite en évidence les avancées récentes appliquées au domaine de la santé mentale. Plus précisément, il examine les applications de ces méthodes dans la détection du risque en santé mentale et la reconnaissance des signes de troubles. La suite du mémoire présente deux articles qui traitent de cette question. Le premier se focalise sur la détection de comportements associés aux troubles alimentaires. L’article présente l’utilisation d’un modèle appliqué à des conversations en ligne pour entraîner un réseau de neurones à prédire des comportements. Il met en évidence les décisions prises en matière de représentation des données et les méthodes qui ont contribué à l’amélioration des résultats obtenus par le modèle. Le deuxième article porte sur la sélection de phrases associées aux symptômes de la dépression. Dans ce travail, l’objectif était de trouver des phrases qui facilitent la détection d’un symptôme associé à la dépression, mais aussi de comparer deux approches : l’utilisation de modèles de langage pré-entraînés et affinés et l’approche zéro-coup. L’article montre l’intérêt de cette méthode pour cette tâche. _____________________________________________________________________________ MOTS-CLÉS DE L’AUTEUR : Modèle de langue, modèle de sujets, représentation d’historique conversationnel, classification zéro-coup, extraction de phrases, santé mentale, dépression, troubles alimentaires.

Type:	Mémoire accepté
Informations complémentaires:	Fichier numérique reçu en format PDF.
Directeur de thèse:	Meurs, Marie-Jean
Mots-clés ou Sujets:	Traitement automatique des langues naturelles / Modèles de langage / Analyse de sentiments / Apprentissage automatique / Publications dans les médias sociaux / Dépistage / Troubles de santé mentale / Troubles du comportement alimentaire / Dépression
Unité d'appartenance:	Faculté des sciences > Département d'informatique
Déposé par:	Service des bibliothèques
Date de dépôt:	29 mai 2026 09:20
Dernière modification:	29 mai 2026 09:20
Adresse URL :	https://archipel.uqam.ca/secure/id/eprint/20035

Modifier les métadonnées (propriétaire du document)

Statistiques