2026-10-29T20:39:51Zhttps://munzur-rdlopen.rawdatalibrary.net/oai/request

oai:munzur-rdlopen.rawdatalibrary.net:munzur/72692026-10-28T15:36:45Zopenairedrivercom_munzur_9col_munzur_10

Derin öğrenme ve makine öğrenmesi yöntemleriyle çevrimiçi sosyal ağlarda depresyon ve intihar tespitiDetection of depression and suicide in online social networks with deep learning and machine learning methodsFatoş OrğunDr. Öğr. Üyesi Ümit CanBu tez çalışmasında, çevrimiçi sosyal ağlarda (ÇSA) gönderi paylaşan depresyondaki kişilerin intihar düşüncelerini tespit etmek ve intihar edip etmeyeceklerini tahmin etmek için derin öğrenme ve makine öğrenmesi tabanlı metin sınıflandırıcı modeller oluşturulmuştur. Çalışmada Suicide Ideation, Reddit Depression Suicidewatch ve Suicide Detection olmak üzere üç ayrı veri seti kullanılmıştır. Suicide Ideation veri seti için 'Potential suicide post' ve 'Not suicide post', Reddit Depression Suicidewatch veri seti için 'Depression' ve 'SuicideWatch', Suicide Detection veri seti için ise 'Suicide' ve 'Non-suicide' etiketleri bulunmaktadır. Bu veri setleri binary sınıflandırma görevi için derin öğrenme ve makine öğrenimi modellerinin geliştirilmesini ve değerlendirilmesini kolaylaştırmaktır. Bu çalışmada Artificial Neural Networks (ANN), Deep Belief Networks (DBN), Convolutional Neural Networks (CNN), Long Short-Term Memory (LTSM), FastText, Naive Bayes (NB), Logistic Regression (LR), k-en yakın komşu (k-NN), Random Forest (RF) ve Decision Tree (DT) yöntemleri kullanılarak intihar düşüncesi tahmin modelleri oluşturulmuş makine öğrenmesi yöntemlerine TF-IDF ve derin öğrenme modellerine ise FastText uygulanmıştır. Ayrıca hiperparametre optimizasyonu için bütün algoritmalara Grid Search yöntemi uygulanarak sonuçlar karşılaştırılmıştır. Tez çalışmasının ilk karşılaştırmalar sonucunda Suicide Ideation veri setinde %94 oranıyla RF modeli, Reddit Depression Suicidewatch veri setinde %73 oranıyla LR modeli ve Suicide Detection veri setinde ise %93 oranıyla ANN ve LR en başarılı modeller olmuştur. Grid Search metriği uygulandıktan sonraki karşılaştırmalar sonucunda ise Suicide Ideation veri setinde %94 oranıyla RF modeli, Reddit Depression Suicidewatch veri setinde %74 oranıyla ANN modeli ve Suicide Ideation veri setinde ise %93 oranıyla ANN ve LR en başarılı modeller olmuştur.In this thesis, deep learning and machine learning based text classifier models are built to detect suicidal thoughts of depressed people who post on online social networks (ASNs) and predict whether they will commit suicide. Three separate datasets, Suicide Ideation, Reddit Depression Suicidewatch and Suicide Detection, were used in the study. Suicide Ideation dataset is labeled as 'Potential suicide post' and 'Not suicide post', Reddit Depression Suicidewatch dataset is labeled as 'Depression' and 'SuicideWatch', and Suicide Detection dataset is labeled as 'Suicide' and 'Non-suicide'. These datasets facilitate the development and evaluation of deep learning and machine learning models for the binary classification task. In this study, Artificial Neural Networks (ANN), Deep Belief Networks (DBN), Convolutional Neural Networks (CNN), Long Short-Term Memory (LTSM), FastText, Naive Bayes (NB), Logistic Regression (LR), k-nearest neighbor (k-NN), Random Forest (RF) and Decision Tree (DT) methods were used to build suicidal ideation prediction models, and TF-IDF was applied to machine learning methods and FastText to deep learning models. In addition, Grid Search method was applied to all algorithms for hyperparameter optimization and the results were compared. As a result of the first comparisons of the thesis study, RF model with 94% in Suicide Ideation dataset, LR model with 73% in Reddit Depression Suicidewatch dataset and ANN and LR with 93% in Suicide Detection dataset were the most successful models. After applying the Grid Search metric, RF model with 94% in Suicide Ideation dataset, ANN model with 74% in Reddit Depression Suicidewatch dataset and ANN and LR with 93% in Suicide Ideation dataset were the most successful models.Munzur University2025Master Thesishttps://rdlopen.rawdatalibrary.net/r/munzur/7269trinfo:eu-repo/semantics/openAccessinfo:eu-repo/semantics/masterThesishttps://munzur-rdlopen.rawdatalibrary.net/tr/items/munzur/7269