Utilize este identificador para referenciar este registo: https://rinacional.tecnm.mx/jspui/handle/TecNM/9416
Título: Detección automática de tendencias suicidas en redes sociales utilizando embeddings de texto
Autor: Álvarez López, Juan Pablo
metadata.dc.subject.other: Redes Sociales, Tendencias Suicidas, Procesamiento de Lenguaje Natural, Embeddings de Texto, Algoritmos de Clasificación
Data: 2025-01-21
Editora: Tecnológico Nacional de México
metadata.dc.publisher.tecnm: Centro Nacional de Investigación y Desarrollo Tecnológico
Descrição: El suicidio es un problema de salud mental que afecta a las personas debido a varios factores como depresión, problemas económicos, familiares o personales, entre otros y afecta a cualquier estatus social en el mundo, donde cerca de 700,000 personas mueren al año según la Organización Mundial de la Salud. Debido a tabúes o prejuicios la gente tiende a no consultar con profesionales por ayuda, por lo cual recurren a medios digitales como foros o chats en redes sociales para compartir pensamientos y sentimientos. Con esto en cuenta se concluye que estas redes sociales tienen un gran contenido sobre pensamientos de gente con tendencias suicidas que puede ser analizado de forma automática mediante modelos de inteligencia artificial. Este trabajo consistió en analizar textos con tendencias suicidas e implementar herramientas de procesamiento de lenguaje natural junto con modelos de inteligencia artificial para detectar de forma automática comentarios de personas con posible tendencia suicida. Los resultados indican que utilizando modelos largos de embeddings como GPT-3 Large y junto a modelos de redes neuronales se pueden obtener resultados de +90% en métricas como precisión, exactitud, sensibilidad y puntuación F1.
metadata.dc.type: info:eu-repo/semantics/masterThesis
Aparece nas colecções:Tesis de Maestría en Computación

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
MC_Juan_Pablo_Alvarez_Lopez_2025.pdfTesis1.11 MBAdobe PDFVer/Abrir
MC_Juan_Pablo_Alvarez_Lopez_2025_c.pdf
  Restricted Access
Cesión de derechos458.62 kBAdobe PDFVer/Abrir Request a copy


Este registo está protegido por copyright original.



Este registo está protegido por Licença Creative Commons Creative Commons