Введение 3
1 Обзор предметной области 7
1.1 Краткая история исследования депрессии 7
1.2 Проявления депрессии 8
1.3 Депрессия и социальные сети 9
2 Использованные технологии 12
2.1 Python 12
2.2 Программные библиотеки 12
2.3 Google Colaboratory 14
2.4 VK API 15
3 Обработка текстовых записей 16
3.1 Создание текстового набора данных 16
3.2 Предварительная обработка текстовых данных 19
3.3 Рекуррентные нейронные сети 20
3.4 Transfer learning 24
4 Обработка изображений 27
4.1 Создание датасета с изображениями 27
4.2 Сверточные нейронные сети 28
5 Формирование отчета 30
Заключение 32
Список использованных источников 33
Приложение А. Исходный код модуля сбора данных 39
Приложение Б. Классификация текстовых записей 43
Приложение В. Исходный код модуля генерации отчета 46
На сегодняшний день проблема депрессии в современном мире является одной из наиболее важных и актуальных. По данным Всемирной организации здравоохранения (ВОЗ), депрессия — одна из основных болезней, приводящих к инвалидности. Более чем 300 миллионов людей в мире страдают от депрессии [1].
Согласно многочисленным исследованиям депрессия ведет к риску развития ряда серьезных заболеваний. Так, из статьи “Bidirectional associations between clinically relevant depression or anxiety and chronic obstructive pulmonary disease” следует, что хроническая депрессия и тревожность увеличивает риск развития хронической обструктивной болезни легких (ХОБЛ) на 43% [2]. По данным других исследований, депрессия повышает риск развитий артериальной гипертонии (АГ) [3], ишемической болезни сердца (ИБС) [4], и на 60% повышает возможность развития сахарного диабета (СД) 2-го типа [5].
В худшем случае продолжительная депрессия способна привести к самоубийству. Каждый год приблизительно 800 000 человек погибают вследствие суицида — второй по значимости причины смерти среди людей в возрасте 15-29 лет.
Несмотря на распространенность и серьезность данного заболевания, все еще остается проблема диагностирования депрессии. Так, согласно результатом исследования КООРДИНАТА наблюдается недостаточная подготовка специалистов в области соматических заболеваний в плане диагностики психических расстройств [6]. Согласно статистике, у пациентов, находящихся под наблюдением в амбулаторно-поликлинических учреждениях (АПУ), состояние депрессии было выявлено в 20 - 60% случаев, тревоги - 20 - 80%, и в 50 - 80% случаев данные состояния были не выявлены
Вышеизложенные данные подводят к проблеме диагностирования депрессии и тревожности. Необходим эффективный способ выявления признаков психологических расстройств. Одним из решений данной проблемы может являться анализ социальных сетей.
Молодые люди в среднем тратят до 160 минут на общение в социальных сетях и мессенджерах [9]. Как видно, представители молодого и среднего поколения крайне вовлечены в данную деятельность. При этом также наблюдается тенденция взросления социальных сетей. Сеть приросла, главном образом, в результате прихода пользователей старше 45 лет. Таким образом, социальные сети сейчас довольно активно используются людьми всех возрастов.
В России лидером среди социальных сетей уже не первый год является социальная сеть ВКонтакте. Около 25% жителей Российской федерации - активные пользователи ВКонтакте. При этом, 23,3% авторов - пользователи в возрасте от 18 до 24 лет [10]. Именно молодые люди в возрасте от 18 до 25 чаще всего подвержены депрессии и имеют суицидальные мысли.
Анализ социальных сетей позволяет в короткие сроки собрать большое количество данных о человеке. Также, до 70% пациентов, ожидающих медицинской помощи и имеющих аккаунт в социальной сети, дают разрешение пользоваться автоматически подключаемыми к их медицинским картам данными из их аккаунтов в социальных сетях - для уточнения диагноза и проведения научных исследований [11].
Аккаунт в социальных сетях содержит важную информацию о пользователе, которая может быть использована при анализе. Так, на основе данной информации можно определить возраст автора [12], пол, характер [13], работу [14], наличие шизофрении [15] или посттравматического стрессовое расстройство (ПТСР) [16], определить суицидальную идеацию [17] и депрессию [18].
Изменения психологического здоровья человека может быть замечено при анализе контента аккаунта в социальной сети. Исследования показали связь между тем, что пишет человек в своем аккаунте [19] или какие размещает фотографии [20], и тем, какое психологическое состояние у человека в реальности.
Несмотря на то, что анализ социальных сетей может быть мощным инструментом для выявления признаков депрессии и тревожности у пользователей и оказания им соответствующий помощи, было выявлено, что культура оказания психологической помощи тем, кто может сообщать через свои публикации в социальной сети об ухудшении психического здоровья или искать именно в социальной сети поддержку, еще недостаточно хорошо развита в русскоязычном мире по сравнению с англоязычным [21].
Таким образом, целью данной работы являлась разработка инструмента для анализа русскоязычных социальных сетей, выявляющего признаки депрессивных расстройств пользователя.
Задачи, выполнение которых необходимо для достижения поставленной цели:
1. Реализовать модуль сбора информации о пользователе из социальной сети ВКонтакте.
2. Определить методы анализа текстовых сообщений и изображений на предмет депрессивных расстройств.
3. Реализовать систему, определяющую уровень негативного контента на странице пользователя, на основе интеллектуального анализа данных.
Для эффективного решения поставленных в дипломной работе задач в качестве методологической основы были выбраны различные методы познания: анализ, классификация, моделирование, сравнение
В результате выполнения данной дипломной работы была достигнута поставленная цель - разработан инструмент для анализа русскоязычных социальных сетей, выявляющий признаки депрессивных расстройств пользователя.
В ходе выполнения данной дипломной работы были выполнены следующие задачи:
1. Реализован модуль сбора информации о пользователе из социальной сети ВКонтакте, составлен датасет с русскоязычными записями пользователей социальной сети, который может быть использован для дальнейших целей.
2. Определены методы анализа текстовых записей и изображений, реализована возможность определения записей и изображений, имеющих негативный оттенок.
3. Реализована система, позволяющая проанализировать текстовой и графический контент со страницы конкретного пользователя и сформировать отчет о данном анализе, а также вывести вероятность того, что данный пользователь страдает от депрессивных расстройств.
Помощь студентам и аспирантам в выполнении работ от наших партнеров
