Agrupamiento de poemas de autores suicidas y no suicidas usando K-means y enjambre de partículas
DOI:
https://doi.org/10.36825/RITI.09.18.002Palabras clave:
Agrupamiento, Metaheurísticas, K-Means, Optimización por Enjambre de Partículas, Detección de Ideación SuicidaResumen
El suicidio es considerado un problema de salud pública, y su detección y tratamiento de manera temprana pueden contribuir a prevenirlo. La detección automática de indicadores de ideación suicida en textos tiene posibilidad de ser una herramienta útil para su prevención. En este trabajo, se reunió un corpus formado por poemas de doce poetas distintos, de los cuales seis cometieron suicidio. Se experimentó con dos representaciones vectoriales, una por número total de palabras y otra por palabras relacionadas con conceptos emocionales negativos. Los vectores se agruparon utilizando dos algoritmos: K-means y un híbrido de K-means con Optimización por Enjambre de Partículas. Se comparó la eficiencia de las representaciones vectoriales y de los algoritmos usados y se obtuvo que, por medio del algoritmo híbrido y del vocabulario relacionado con conceptos emocionales negativos, los grupos de poetas con ideación suicidada y sin ella pudieron ser distinguidos con una exactitud de hasta 0.98.
Citas
Instituto Nacional de Estadística, Geografía e Informática. (2019). Estadísticas a propósito del día mundial para la prevención del suicidio. Recuperado de: https://www.inegi.org.mx/contenidos/saladeprensa/aproposito/2019/suicidios2019_Nal.pdf
Ji, S., Pan, S., Li, X., Cambria, E., Long, G., Huang, Z. (2021). Suicidal ideation detection: A review of machine learning methods and applications. IEEE Transactions on Computational Social Systems, 8 (1), 214-226. doi: https://doi.org/10.1109/TCSS.2020.3021467
Pestian, J., Nasrallah, H., Matykiewicz, P., Bennett, A., Leenaars, A. (2010). Suicide note classification using natural language processing: A content analysis. Biomedical informatics insights, 3, 19-28. doi: https://doi.org/10.4137/BII.S4706
Mulholland, M., Quinn, J. (2013). Suicidal tendencies: The automatic classification of suicidal and non-suicidal lyricists using NLP. Trabajo presentado en Proceedings of the 6th International Joint Conference on Natural Language Processing, Nagoya, Japón. Recuperado de: https://www.aclweb.org/anthology/I13-1079.pdf
Zhang, L., Gao, J. (2017). A comparative study to understanding about poetics based on natural language processing. Open Journal of Modern Linguistics, 7 (5), 229-237. doi: https://doi.org/10.4236/ojml.2017.75017
Rebala, G., Ravi, A., Churiwala, S. (2019). An introduction to machine learning (1era. Ed.). Switzerland: Springer. doi: https://doi.org/10.1007/978-3-030-15729-6
Van der Merwe, D. W., Engelbrecht, A. P. (2003). Data clustering using particle swarm optimization. Trabajo presentado en Congress on Evolutionary Computation, Canberra, ACT, Australia. doi: https://doi.org/10.1109/CEC.2003.1299577
Kennedy, J., Eberhart, R. (1995). Particle swarm optimization. Trabajo presentado en International Conference on Neural Networks, Perth, WA, Australia. doi: https://doi.org/10.1109/ICNN.1995
Perez-Rosas, V., Banea, C., Mihalcea, R. (2012). Learning Sentiment Lexicons in Spanish. Trabajo presentado en 8th International Conference on Language Resources and Evaluation, Istanbul, Turkey. Recuperado de: http://lrec-conf.org/proceedings/lrec2012/pdf/1081_Paper.pdf
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2021 Revista de Investigación en Tecnologías de la Información
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Esta revista proporciona un acceso abierto a su contenido, basado en el principio de que ofrecer al público un acceso libre a las investigaciones ayuda a un mayor intercambio global del conocimiento.
El texto publicado en la Revista de Investigación en Tecnologías de la Información (RITI) se distribuye bajo la licencia Creative Commons (CC BY-NC
), que permite a terceros utilizar lo publicado citando a los autores del trabajo y a RITI, pero sin hacer uso del material con propósitos comerciales.
