Detección automática de casos urgentes en foro de salud mental

Abstract

Los foros orientados a temas de salud mental necesitan la supervisión de moderadores para brindar apoyo en casos delicados, como mensajes que expresan ideas suicidas. A medida que aumenta el tamaño del foro, la supervisión del moderador deja de ser factible sin la ayuda de sistemas automatizados de priorización. En el presente artículo presentamos un sistema de aprendizaje automático supervisado para el triaje (clasificación según severidad) de mensajes de un foro de salud mental. Este sistema fue desarrollado en el contexto de la competencia CLPsych 2017 shared task y sus resultados serán publicados en los Proceedings of the CLPsych 2018 workshop. El triaje consiste en clasificar cada mensaje de un foro de salud mental según la necesidad de intervención. Los niveles del triaje son: crisis, red, amber y green reflejando una prioridad decreciente en la atención de los moderadores del foro. El dataset de la competencia contiene 146030 mensajes sin etiquetar y 1588 mensajes etiquetados por especialistas: 1188 mensajes como training set y 400 mensajes como test set. Esta competencia fue una extensión de la realizada en el 2016. La mayoría de los enfoques en la literatura se centran en el contenido de los mensajes, pero sólo unos pocos autores aprovechan las atributos contextuales. En nuestro trabajo aplicamos un enfoque novedoso teniendo en cuenta no sólo atributos capaces de captar el contenido del mensaje sino también el contexto en el que se producen, considerando el historial de mensajes y la red de interacciones.