كشف الانتحار عن طريق تمثيلات المستخدم الاجتماعية والزمنية باستخدام التعلم القطعي

تشير الدراسات النفسية الأخيرة إلى أن الأفراد الذين يعرضون التفكير الانتحاري يتحول بشكل متزايد إلى وسائل التواصل الاجتماعي بدلا من ممارسي الصحة العقلية.شخصيا سياقته في تراكم هذا الاضطراب أمر بالغ الأهمية لتحديد دقيق للمستخدمين المعرضين للخطر.في هذا العمل، نقترح إطارا يشترك في الاستفادة من التاريخ العاطفي للمستخدم والمعلومات الاجتماعية من حي المستخدم في شبكة إلى السياق تفسير أحدث تغريد المستخدم على Twitter.تعكس الطبيعة الخالية من النطاق لعلاقات الشبكة الاجتماعية، نقترح استخدام شبكات استئصال الرسم البياني القطعي، والتركيبة مع عملية الصقور لتعلم الطيف العاطفي التاريخي للمستخدم بطريقة حساسة للوقت.يتفوق نظامنا بشكل كبير على الأساليب الحديثة في هذه المهمة، مما يظهر فوائد كل من تمثيلات السياق الاجتماعي والخاصة.

Recent psychological studies indicate that individuals exhibiting suicidal ideation increasingly turn to social media rather than mental health practitioners. Personally contextualizing the buildup of such ideation is critical for accurate identification of users at risk. In this work, we propose a framework jointly leveraging a user's emotional history and social information from a user's neighborhood in a network to contextualize the interpretation of the latest tweet of a user on Twitter. Reflecting upon the scale-free nature of social network relationships, we propose the use of Hyperbolic Graph Convolution Networks, in combination with the Hawkes process to learn the historical emotional spectrum of a user in a time-sensitive manner. Our system significantly outperforms state-of-the-art methods on this task, showing the benefits of both socially and personally contextualized representations.