اكتشاف الاكتئاب بالاعتماد على تحليل المشاعر باستخدام معالجة اللغة الطبيعية (NLP)

قمنا بتطوير نظام ثنائي اللغة (العربية والإنجليزية) لاكتشاف علامات الاكتئاب من خلال تحليل منشورات تويتر و التفاعل مع شات بوت.

تبدأ العملية باختيار المستخدم للغة. بناءً على ذلك، يمكنه إما إدخال اسم حساب على تويتر ليقوم النظام بجلب آخر خمس تغريدات وتحليلها باستخدام الرموز المصرح بها، أو التفاعل مع شات بوت صغير يعتمد على مجموعة منظمة من الأسئلة.

قبل التحليل، قمنا بتطبيق عدة خطوات لمعالجة النصوص في كلا مجموعتي البيانات. مجموعة البيانات الإنجليزية (تم جمعها من Kaggle وتضم حوالي 20,000 سجل) ومجموعة البيانات العربية (المجمعة من تويتر) خضعت لعمليات تنظيف تضمنت: التطبيع، إزالة الكلمات الشائعة (Stop Words)، والتقسيم (Tokenization). بالنسبة للعربية، أضفنا معالجة خاصة للهجات بهدف تحسين الدقة.

بعد المعالجة، استخدمنا تمثيل TF-IDF مع كل من الـ Unigram و Bigram لالتقاط الكلمات المفردة والعبارات.

للتصنيف، جربنا عدة نماذج تعلم آلي مثل: Support Vector Machine (SVM) ، Logistic Regression، Random Forest ، وXGBoost. وتم تقييم هذه النماذج باستخدام مقاييس مثل: accuracy ، recall ، precision ، وF1-score.

وحقق نموذج SVM مع TF-IDF (1-gram) أفضل أداء شامل.

في حال اكتشاف اعراض تشير إلى الاكتئاب، يقوم النظام بتوجيه المستخدم إلى موقع علاجي مناسب بناءً على اللغة المختارة، لضمان سهولة الوصول والدعم.