Aplicaciones de NLP y modelos de atención para la identificación de estrés en textos de redes sociales
Fecha
2024
Autores
Moya Ortiz, Francisco Javier
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
Descripción
Las redes sociales se han consolidado como plataformas esenciales de comunicación, donde los individuos no solo comparten logros y actividades, sino también sus emociones y estados mentales. Este flujo constante de información brinda una oportunidad única para observar y analizar el bienestar emocional de los usuarios, incluyendo la detección del estrés, un trastorno mental prevalente y frecuentemente incapacitante. A diferencia de otros trastornos como la depresión, el estrés a menudo se manifiesta de manera sutil y sus expresiones lingüísticas son menos comprendidas. Este estudio emplea avanzadas técnicas de procesamiento de lenguaje natural (NLP), modelos de atención como RoBERTa, y grandes modelos de lenguaje (LLMs) para identificar patrones lingüísticos indicativos de estrés. La capacidad de estos modelos para discernir variaciones lingüísticas sutiles ofrece una herramienta valiosa tanto para la investigación académica como para aplicaciones prácticas en salud mental. Los hallazgos muestran que los modelos de atención, como RoBERTa, superan a las técnicas tradicionales de machine learning y a las basadas en conocimiento lingüístico específico, demostrando su capacidad para detectar incluso las señales más sutiles de estrés. Además, los LLMs se perfilan como una solución práctica, logrando un desempeño notable incluso sin ser entrenados específicamente para esta tarea. La automatización en la detección de señales de estrés facilita intervenciones tempranas, mejorando potencialmente los resultados para los individuos afectados. Además, contribuye a superar el estigma y las barreras que impiden buscar ayuda para trastornos mentales, promoviendo un entorno más receptivo y proactivo hacia la salud mental.