Unfortunately, the number of suicides in Spain is growing more and more. Constantly, news are published about young and not-so-young people who have attempted suicide but, previously, they have shown strange behaviours in their social networks pro les. With the aim of preventing, it is important to be capable of detecting messages by means of using Machine Learning techniques due to its utility observed in other researching areas. However, the previous task requires a balanced corpus with a lot of samples in order to learn by examples. That's why the compilation process should be spread out to all of social networks based on Surface Web and Deep Web.
Segun los datos ofrecidos por la Organizacion
Mundial de la Salud en su ultima nota
descriptiva
El pensamiento de quitarse la vida
requiere una previa re exion por parte del sujeto
En una era marcada por los nativos
digitales
En la Deep Web o aquel entorno con motores de busqueda distintos de los convencionales cuya IP es imposible de rastrear, muchos usuarios han encontrado un entorno ideal para la libre expresion de ideas relacionadas con la tematica del suicidio.
Establecido el trinomio Redes socialesJovenes-Suicidio, existe la necesidad de desarrollar una herramienta capaz de detectar el nivel de alerta de un mensaje suicida compilado desde las redes sociales (tanto de la Deep Web como de la Surface Web) con el n de que el mismo sea derivado a los servicios correspondientes y as , poder prevenir el suicidio. 2
El suicidio es un fenomeno complejo.
Ademas, todav a representa un tabu en la
epoca en la que vivimos (mencion aparte
requiere la ausencia de datos \contrastados"
por parte del INE 1). Las pocas
aproximaciones teoricas existentes
No obstante, en el campo de las TLH y
mano a mano con la disciplina medica, s se
han realizado varios corpus relacionados con
la tematica. Estos se encuentran en ingles y
centran su ambito de estudio en ambientes
controlados. Nosotros, por el contrario,
queremos que una maquina aprenda a detectar el
\lenguaje suicida" sin que sepa si dicho
texto pertenece o no a un suicida previamente
identi cado. Grosso modo, los corpus
relacionados son los siguientes:
1. The Pak's and Paroubek's Twitter
Cor1https://elpais.com/2017/06/12/ciencia/
1497291180_123865.html
pus
Compila posts de Twitter y los clasi ca
en funcion de si presentan (i)
Emociones positivas (e.g. Felicidad, diversion,
alegr a, plenitud, etc.), (ii) Emociones
Negativas (e.g. Tristeza, enfado,
decepcion, etc.) o son (iii) Textos Objetivos
(e.g. Hechos facticos o emociones
confusas que los investigadores no pod an
clasi car en las categor as anteriores).
2. The Cincinnati Children's Hospital
Medical Center Corpus
Digitaliza y compila notas de suicido
real recogidas entre los an~os 1950 y 2012
por dos especialistas en el ambito de la
prevencion del suicidio: Edwin
Shneidman (considerado el padre de la
Suicidiolog a Moderna
La compilacion de textos procede de
art culos de revista, corpus existentes y
otros recursos academicos
Los textos aqu compilados proceden de
notas suicidas escritas en Twitter y el
esquema de anotacion seguido se basa en
los criterios de depresion establecidos en
el DSM-V
En los ejemplos mostrados previamente, podemos observar tres factores comunes que marcan la diferencia entre dichos corpus y el que queremos desarrollar en este proyecto de investigacion: (i) Ambiente controlado, (ii) Conocimiento del historial cl nico de muchos de los sujetos que componen la muestra y (iii) Compilacion de notas de suicidio conrmadas.
Nuestro objetivo en este plan de investigacion es claro: Conseguir que una maquina aprenda acerca de un modo particular de expresion del lenguaje suicida en un entorno concreto (como son las redes sociales) y que, sin la previa elaboracion del per l del usuario del que procede el mensaje o los mensajes, sea posible establecer un nivel de alerta su ciente como para derivar a los servicios que sean necesarios. Somos conscientes de que supone una tarea complicada, pero ser a un gran avance en lo que a la prevencion del suicidio se re ere. 3
Las hipotesis que gu an el proceso de investigacion son las siguientes: 1. Los textos extra dos de redes sociales de la Deep Web son diferentes a los obtenidos desde la Surface Web. 2. El anonimato que ofrece la Deep Web diculta las labores de prevencion y/o actuacion en el caso concreto. 3. Un corpus de calidad debidamente anotado sobre mensajes suicidas puede mejorar los sistemas automaticos de deteccion de este tipo de mensajes.
Entre los objetivos planteados en la
investigacion encontramos los siguientes:
1. Desarrollar un crawler capaz de extraer
informacion de Deep Web y Surface Web
de manera automatica.
2. Crear un entorno web donde sea posible
realizar todas las tareas de anotacion y
gestion del proceso de anotacion en
general.
3. Generar conciencia social acerca de que
el suicidio es un problema real de salud
publica
El objetivo de la elaboracion de un corpus de mensajes suicidas basado en redes sociales no es otro que poder crear una herramienta preventiva. Dentro de las Tecnolog as del Lenguaje Humano (TLH ) nosotros hemos seleccionado el Aprendizaje Automatico (o Machine Learning
Aportando a una maquina el mayor numero de ejemplos posible y tras la compilacion de mensajes suicidas extra dos de redes sociales, es posible que la misma aprenda sobre un particular modo de expresion de ideas suicidas 2. Para ello, se requiere la elaboracion de los siguientes pasos:
Desarrollo de un crawler capaz de realizar una busqueda automatica de textos en redes sociales (tanto de la Deep Web como Surface Web) de per les publicos y que no requieran el login.
Indicaciones sobre el per odo de entrenamiento y su duracion, que anotar, como anotarlo, as como una descripcion detallada de las propiedades requeridas para cada texto ademas del programa con el que se realizara dicha anotacion (para lo 2https//qz.com/1001968/arti cial-intelligencecan-now-predict-suicide-with-remarkable-accuracy/ que se enviara a los anotadores el correspondiente plugin y documentos informativos). En el caso de que se consiga crear un entorno web para dicho proceso, tambien se elaborara una gu a de anotacion en la que se indique cuales son los pasos a seguir para realizar el proceso de anotacion correctamente.
A medida que el proyecto se inicie, cada anotador contara con muestras procedentes del crawler desarrollado que ira anotando segun las categor as especi cadas en la gu a de anotacion. 4. Gold-Standard o corpus consensuado Se realizaran reuniones periodicas para analizar desacuerdos entre los anotadores y as poder establecer que categor as son las mas idoneas para cada propiedad. Este proceso sera documentado con el n de observar cuales han sido las di cultades a lo largo del proceso de anotacion y, de ser necesario, proceder a realizar cambios en la gu a de anotacion. 5. Uso del corpus en sistemas de aprendizaje automatico.
Para demostrar que el corpus puede ser una herramienta valiosa en la deteccion del fenomeno suicida, se aplicara el corpus en varias etapas de construccion a sistemas de aprendizaje automatico para poder estimar si el corpus puede ser parte de una solucion global a este problema. 5
Por la envergadura que el fenomeno del suicidio representa, nos gustar a plantear las siguientes cuestiones al auditorio: - >Es posible la prevencion del suicidio mediante la aplicacion del Machine Learning a los textos compilados de las redes sociales de ambos entornos? - >Existe realmente un particular modo de expresion de las ideas relacionadas con el suicidio en las Redes Sociales? - >Facilita el anonimato que se genera en la Deep Web la mayor difusion de contenidos relacionados con las ideaciones suicidas? - >Di culta la Deep Web la tarea de derivar un mensaje a los servicios de salud correspondientes en funcion del nivel de alerta previamente establecido para el mismo?.
Especial agradecimiento a las Ayudas Fundacion BBVA a equipos de investigacion cient ca por la nanciacion del proyecto Analisis de Sentimientos Aplicado a la Prevencion del Suicidio en las Redes Sociales (ASAP ) y a Beatriz Botella Gil, Isabel Moreno Agullo y Mar a de los Angeles Herrero, compan~eras del Departamento de Lenguajes y Sistemas Informaticos de la Universidad de Alicante (DLSI ).