Аңдатпа. Әлеуметтік медиа мәтіндері арқылы мазасыздық пен депрессияны анықтау психикалық денсаулық мәселелерінің таралуының өсуіне және онлайн платформаларда жеке және эмоционалдық тәжірибені кеңінен таратуға байланысты маңызды зерттеу бағыты ретінде пайда болды. Ауқымды, пайдаланушы жасаған мазмұнның болуы ерте анықтау және араласу үшін автоматтандырылған жүйелерді әзірлеуге мүмкіндік береді. Бұл зерттеуде кеңінен қолданылатын үш машиналық оқыту моделінің тиімділігі — Логистикалық регрессия, қолдау векторлық машинасы (SVM) және кездейсоқ орман — дәлдік, еске түсіру, F1 ұпайы және жалпы дәлдік сияқты негізгі бағалау өлшемдері арқылы бағаланады. Сынақтан өткен үлгілердің ішінде Random Forest жоғары өнімділікті көрсетеді, ол уайым мен депрессияны бастан өткеруі мүмкін адамдарды анықтау кезінде 0,91 және F1 ұпайы 0,93-ке тұрақты түрде қол жеткізеді. Бұл нәтижелер оның нақты әлемдегі қолданбалардағы беріктігі мен сенімділігін көрсетеді. SVM сонымен қатар дәлдік пен еске түсіру арасындағы күшті тепе-теңдікпен жақсы жұмыс істейді және 98% жоғары жалпы дәлдікке жетеді. Екінші жағынан, логистикалық регрессия, есептеу тұрғысынан тиімді және іске асыру оңай болғанымен, 0,59 салыстырмалы түрде төмен еске түсірумен оң жағдайларды анықтауда шектеулерді көрсетеді. Осы салыстырмалы талдаудың нәтижелері психикалық денсаулықты скринингті қолдауда машиналық оқытудың озық алгоритмдерінің әлеуетін көрсетеді және тиімді және масштабталатын анықтау құралдарын құруда үлгі таңдаудың маңыздылығын атап көрсетеді.

Түйін сөздер: мазасыздықты анықтау, психологияда машиналық оқыту, психологияда жасанды интеллект, депрессияны анықтау, машиналық оқыту.