Détecter des comportements associés aux troubles alimentaires par l'analyse automatique des publications textuelles en ligne
Yves Ferstler, Catherine Lavoie, Marie-Jean Meurs
Résumé : Cet article présente une méthode pour détecter des aspects du comportement liés aux troubles alimentaires à partir de publications textuelles échangées sur les réseaux sociaux. Nos travaux comparent différentes représentations d'historiques de publications permettant d'entraîner un modèle neuronal pour la prédiction. Les approches étudiées sont : (1) la représentation de sujet par fréquence, en calculant le nombre de sujets apparus dans un historique, (2) une représentation par plongement, en calculant la moyenne des représentations de sujets présents dans l'historique de publications, (3) une représentation par documents représentatifs, qui cherche à représenter un sujet par un document sémantiquement proche. Un filtrage de sujets est également étudié, pour sélectionner les sujets reliés aux troubles alimentaires. Les résultats montrent que l'utilisation de filtrage permet d'améliorer les performances des systèmes de détection. La méthode basée sur un document représentatif obtient les meilleurs résultats, parmi les autres représentations évaluées mais également parmi d'autres méthodes appliquées à la même tâche lors de la campagne d'évaluation eRisk 2024.
Mots clés : Modèle de sujet, Troubles alimentaires, Représentation d'historique conversationnel.