ELECTRA ve XLNET Modellerini Kullanarak X Verilerinden İntihara Meyilli İçerikleri Tespit Etme

İntihar konusu, birçok farklı disiplin tarafından incelenen ve tarihin her döneminde karşılaşılan bir konu olmuştur. Teknolojinin gelişimi ve akıllı telefonların her yerde bulunması sebebiyle, kullanıcılar, özellikle çevrimiçi sosyal platformlar aracılığıyla duygu ve düşüncelerini rahatlıkla ifade edebilmişlerdir. Paylaşılan bu düşüncelerden biri de intihar düşüncesidir. İntiharın önlenebilmesi ve genç popülasyonda artan intihar oranlarının kontrol altına alınabilmesi için son zamanlarda sosyal medyada paylaşılan intihar düşüncelerinin tespiti üzerine yapılan araştırmaların sayısı her geçen gün artmaktadır. Bu çalışmada, en popüler sosyal medya platformlarından birisi olan X’te paylaşılan gönderilerden hazırlanan bir veri seti üzerinde makine öğrenmesi ve doğal dil işleme teknikleri kullanılarak bu paylaşımı yapan kişilerin intihara meyilli olup olmadığının tespitinin yapılmasına odaklanılmıştır. Önceden eğitilmiş transformatör yöntemlerinin klasik makine öğrenmesi yöntemleri ile karşılaştırmalı bir analizi sunulmuştur. Tüm modeller içerisinde en yüksek doğruluk oranı, ELECTRA modeli ile %96.61 olarak elde edilmiştir. Bu bulgular, intihara meyilli tweetlerin tespitinde transformatör modellerinin potansiyelinin yüksek olduğunu göstermekte ve özellikle ELECTRA'nın bu alanda etkili bir araç olabileceğini ortaya koymaktadır.

Suicide has been a subject studied by many different disciplines and encountered throughout history. Due to the development of technology and the ubiquity of smartphones, users have been able to easily express their feelings and thoughts, especially through online social platforms. One of these shared thoughts is suicidal ideation. In order to prevent suicide and control the increasing suicide rates in the young population, the number of studies on detecting suicidal thoughts shared on social media is increasing every day. In this study, the focus is on determining whether the individuals who made these posts on X, one of the most popular social media platforms, are suicidal using machine learning and natural language processing techniques on a dataset prepared from these posts. A comparative analysis of pre-trained transformer methods with classical machine learning methods is presented. Among all models, the highest accuracy rate was obtained with the ELECTRA model at 96.61%. These findings demonstrate the high potential of transformer models in detecting suicidal tweets, and particularly highlight that ELECTRA could be an effective tool in this area.