Identificación automática de ideación suicida en textos empleando clasificadores en cascada

Abstract

A nivel mundial, miles de personas deciden quitarse la vida cada año. Por tal motivo, el suicidio se considera un grave problema social y sanitario que afecta a toda la población. Este fenómeno se relaciona con las emociones debido a que la mayoría de las personas que expresan sus intenciones suicidas describen su motivación como resultado de diversos estados emocionales. En este sentido, algunos autores afirman que las personas que experimentan mayor presencia de emociones negativas tienen más probabilidades de suicidarse. Con el objetivo de detectar notas implícitas de ideación suicida, en este estudio se propone el uso de dos clasificadores de aprendizaje automático configurados en una arquitectura en cascada. Esta propuesta se caracteriza porque mediante las palabras utilizadas el primer clasificador obtiene la distribución de emociones latentes en cada texto. Posteriormente, el segundo toma la distribución emocional para determinar si se trata de una nota suicida. Para lograr tal objetivo se emplean diferentes métodos de generación de características con el fin de identificar qué tipo de información (léxica o semántica) es más útil para detectar este tipo de notas. Los clasificadores implementados en este estudio son máquinas de vectores de soporte, Naïve Bayes multinomial y una red neuronal de perceptrón multicapa. Estos clasificadores se seleccionaron debido a que han sido usados en la tarea en cuestión, alcanzado resultados prometedores.