| Titre : | Mental health diagnosis through text analysis |
| Auteurs : | GhoutiFarahRadhia, Auteur ; Kadari Rekia, Auteur |
| Type de document : | texte manuscrit |
| Editeur : | [S.l.] : [S.l.] : Université Saïda – Dr. Tahar Moulay – Faculté des Mathématiques, de l’Informatique et de Télécommunications, 2024/2025 |
| Format : | 69 ص |
| Accompagnement : | CD |
| Langues: | Anglais |
| Index. décimale : | BUC-M 003722 |
| Catégories : |
Master en informatique Spécialité : Intelligence Artificielle Principe et application |
| Résumé : |
يُطلق على التفاعل مع الحواسيب باستخدام أنظمة الذكاء الاصطناعي من خلال اللغات الطبيعية اسم معالجة اللغة الطبيعية (NLP). وتُعد معالجة اللغة الطبيعية من المجالات التي لها تطبيقات عديدة تُستخدم على نطاق واسع في حياتنا اليومية. يُعتبر تصنيف التسلسلات من أقدم المجالات في معالجة اللغة الطبيعية، ويشمل العديد من المهام. وقد أصبحت تنبؤات الاضطرابات النفسية من بين المهام الأكثر أهمية في السنوات الأخيرة، حيث تم اقتراح مقاربات فعالة تعتمد على تقنيات التعلم الآلي.
في هذا العمل، ندرس تطبيق التعلم العميق لتصنيف الاضطرابات النفسية اعتمادًا على النصوص المكتوبة من قبل المستخدمين. لقد قمنا باقتراح ثلاث معماريات مختلفة قائمة على التعلم العميق، وهي :شبكةBILSTM ، والمحول الفعّال DistilBERT، والمحول المُحسَّن بدقة RoBERTa. وقد أكدت النتائج التجريبية فعالية التقنيات المقترحة، حيث حقق نموذج RoBERTa أفضل أداء في التصنيف بين جميع النماذج المُقترحة الكلمات المفتاحية :معالجة اللغة الطبيعية، الاضطرابات النفسية، BILSTM، DistilBERT، RoBERTa Abstract Interacting with computers with AI systems using natural languages is often referred to asNatural Language Processing (NLP).NLP has many applications that are widely used in our daily lives. Sequencelabeling is one ofthe oldest fields in NLPincluding many tasks. Prediction ofthementalhealthdisordershasbeenoneofthemostimportanttasksinrecentyearswhere dominant approaches based on machine learning methods have been proposed. In this thesis, we exploretheapplicationofdeeplearningforclassifyingmentaldisordersbasedonuser-writtentext.We experimentally proposed three different deep learning based architectures; includingBILSTM,the efficient transformerDistilBERT,and the robustly optimized transformerRoBERTa.The achieved experimental results confirm the Résumé L'interactionaveclesordinateursàl’aidedesystèmesd’intelligenceartificielleutilisantleslangues naturelles est souvent appeléeTraitement Automatique du Langage Naturel (TALN). Le TALN possède de nombreuses applicationslargement utilisées dans notre vie quotidienne.L’étiquetage de séquences est l’un desdomaines les plus anciens du TALN, englobant plusieurs tâches. Laprédictiondestroublesdelasantémentaleestdevenuel’unedestâcheslesplusimportantesces dernièresannées,oùdesapprochesdominantesbaséessurlesméthodesd’apprentissageautomatiqueont été proposées. Danscemémoire,nousétudionsl'applicationdel’apprentissageprofondpourlaclassificationdestroubles mentaux à partir de textes rédigés par les utilisateurs. Nousavonsproposéexpérimentalementtroisarchitecturesdifférentesbaséessurl’apprentissageprofond, notamment :BILSTM,le transformeurefficaceDistilBERT,et le transformeur optimisé de manière robusteRoBERTa. Lesrésultatsexpérimentauxobtenusconfirmentl’efficacitédestechniquesproposées.Parmilesmodèles proposés,RoBERTaa atteint les meilleures performances en matière de classification |
Exemplaires
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| aucun exemplaire |
Documents numériques (1)
BUC-M 003722 Adobe Acrobat PDF |
