سیدمحمد بیدکی

زمینه: تحلیل احساسات (SA) شاخه ای از پردازش زبان طبیعی و علوم کامپیوتر است که تلاش می کند از یادگیری ماشین و هوش مصنوعی (AI) در جهت شناخت عواطف و احساسات انسانی استفاده نماید. تشخیص میزان استرس یکی از مسائل مهم در حوزه علوم رفتاری و روانشناسی است. امروزه با گسترش کاربرد شبکه های اجتماعی، محتوای منتشر شده در این رسانه ها می تواند به عنوان یک منبع مهم اطلاعات در سنجش سلامت روان جامعه تلقی گردد و دستاورد های قابل توجهی برای علوم رفتاری و روان شناسی به همراه داشته باشد. لذا استفاده از روش های تحلیل محتوا به ویژه محتوای متنی می تواند کمک چشمگیری به فعالان حوزه ی سلامت روان در فرایند تشخیص و درمان ارائه دهد. در این راستا، تشخیص خودکار استرس در متن، یک موضوع کاربردی و مطرح در زمینه تلفیق حوزه های پردازش زبان طبیعی (NLP) و روانشناسی است. از اینرو، زمینه ی اصلی در پژوهش جاری، تشخیص استرس یک کاربر با توجه به پیام های متنی ارسالی او در شبکه اجتماعی با استفاده از ترکیب روش های یادگیری عمیق (DL) می باشد. هدف: هدف این مطالعه ایجاد سیستم تشخیص زودهنگام اختلالات ناشی از استرس در افراد با کمک روش های هوش مصنوعی است. در این مطالعه سعی شده از محتوای متونی که افراد در پست های خود منتشر می کنند، وجود استرس را تشخیص دهیم تا به روان درمانگر در تشخیص اختلالات ناشی از استرس و توجه بیشتر به این اختلال کمک نماید. در این مطالعه از مجموعه داده های Dreaddit و همچنین از پردازش زبان طبیعی و الگوریتم های یادگیری ماشین (ML) و یادگیری عمیق برای طبقه بندی متن استفاده شده است. این پژوهش به درمانگران و مراجعان در جهت کنترل پیامدهای ناشی از استرس و واکنش های آن کمک می کند. محصول نهایی این پژوهش از دیدگاه یک پژوهش کاربردی، یک سیستم نرم افزاری هوشمند دستیار روان درمانگر است که قادر به تحلیل و تشخیص استرس متون خواهد بود که خروجی آن می تواند توسط فعالان حوزه سلامت روان مورد استفاده قرار گیرد. همچنین جهت بررسی میزان اعتبار مدل با بهترین عملکرد، به تفسیر و شفاف سازی آن پرداخته شده است. روش‏شناسی: به طور کلی در این پژوهش از تکنیک های یادگیری ماشین، شبکه های عصبی عمیق و پردازش زبان طبیعی استفاده شده است. زیر وظایف دسته بندی متن ، توکن سازی ، ریشه یابی ، برچسب گذاری ، تجزیه نحوی و برخی وظایف مربوط به تحلیل معنایی