Analisi comparativa di modelli di apprendimento automatico, apprendimento profondo e apprendimento ensemble per la rilevazione di ideazione suicidaria sui social media
Titolo originaleA comparative analysis of machine learning, deep learning, and ensemble learning models for suicidal ideation detection on social media.
PLOS mental health · 2026
Sintesi in italiano
L'ideazione suicidaria rappresenta un grave problema di salute pubblica a livello globale, con oltre ottocentomila decessi annui. Questo studio si è focalizzato sull'identificazione di ideazione suicidaria in contesti linguistici a bassa disponibilità di risorse, concentrandosi specificamente sulla lingua amarica. L'obiettivo principale è stato sviluppare un modello di deep learning robusto per la rilevazione di contenuti a rischio su social media. Sono stati raccolti e annotati manualmente 5.428 post provenienti da piattaforme quali Facebook e Telegram, generando il primo dataset pubblico su ideazione suicidaria in lingua amarica. Per l'estrazione delle caratteristiche sono state utilizzate tecniche di word embedding come Word2Vec, GloVe e FastText. La ricerca ha comparato cinque modelli di deep learning e quattro modelli di machine learning. I risultati sperimentali hanno mostrato una migliore performance dei modelli ensemble, con il modello a hard voting che ha raggiunto l'accuratezza più elevata (83,3%) e precisione (86,55%). Modelli come CNN-BiLSTM e BiLSTM hanno conseguito rispettivamente accuratezze di 81,45% e 81,4%, confermando l'efficacia dell'apprendimento sequenziale bidirezionale nel cogliere il contesto nei testi amarici. Lo studio, oltre a fornire una solida base metodologica per la ricerca sulla salute mentale in contesti linguistici meno rappresentati, sottolinea la necessità di sviluppare dataset scalabili e modelli contestualmente consapevoli, integrando dati multimodali e affrontando bias nei linguaggi a risorse limitate.
Sintesi generata con IA. Verifica metodi, risultati e limiti nella pubblicazione originale.
Abstract e pubblicazione originale
L’abstract è consultabile nella fonte originale. Non viene ripubblicato qui perché non risulta verificata una licenza compatibile.
Leggi nella fonte originale ↗Parole chiave
Come citare questo studio
Woldegiorgis A, Abebe M, Sharma DP, Jimma W. (2026). A comparative analysis of machine learning, deep learning, and ensemble learning models for suicidal ideation detection on social media.. PLOS mental health. DOI: 10.1371/journal.pmen.0000721
Consulta la pubblicazione originale ↗