Etudiant : LOUARDI BRAHIM

Filière : Master Web Intelligence et Sciences des Données (WISD)

Encadrant : Pr. SABRI ABDELOUAHED

Annèe : 2024

Résumé : La dépression, une maladie qui touche plus de 300 millions de personnes dans le monde, se manifeste par une anxiété au quotidien et perturbe les relations sociales, pouvant entraîner des problèmes physiques et même le suicide. Les réseaux sociaux constituent une plateforme précieuse pour l'expression des émotions sous forme de publications. L'analyse de ces publications offre une perspective intéressante pour la détection précoce de la dépression, permettant potentiellement de prévenir les maladies associées ou le suicide. Cependant, la détection de la dépression à partir de texte par le traitement du langage naturel (NLP) demeure un défi important. Cette recherche propose une analyse comparative de quatre modèles de traitement du langage naturel (NLP) différents : un CNN-BiLSTM avec attention, BERT, RoBERTa et XLNet. Nous évaluons leurs performances dans la détection de la dépression en utilisant un ensemble de données Reddit. Les résultats révèlent que BERT est le modèle supérieur, atteignant une Rappel impressionnante de 97.52%.