Esta investigación aborda los desafíos relacionados con los problemas de salud mental en las redes sociales mediante la integración del procesamiento del lenguaje natural. En primer lugar, el estudio amplía un corpus previo etiquetado con emociones y polaridad mediante la inclusión de nuevas publicaciones de Instagram y TikTok relacionadas con revelaciones sobre salud mental por parte de celebridades e influencers. Este corpus es el primer corpus en español diseñado para analizar el impacto de las respuestas sociales a narrativas sobre salud mental en dos de las redes sociales más utilizadas. En segundo lugar, la investigación integra modelos de clasificación basados en BERT (Bidirectional Encoder Representations) para mejorar la detección de emociones y polaridad. Uno de los algoritmos modelados, MenTaiBERT, que aprovecha una capa de clasificación especializada, demuestra superioridad frente a los demás algoritmos BERT, alcanzando un 99 % de precisión en la detección de emociones y un 98 % en polaridad. De hecho, MenTaiBERT supera significativamente la precisión de los otros algoritmos hasta en 13 puntos porcentuales. En tercer lugar, se ha diseñado una herramienta gráfica fácil de usar, basada en el corpus y los modelos de clasificación anteriores, para ayudar a los profesionales a identificar patrones emocionales en publicaciones de redes sociales relacionadas con la salud mental. En resumen, analizar mediante estrategias innovadoras de inteligencia artificial el impacto emocional de las publicaciones de celebridades en las redes sociales es crucial, especialmente entre los jóvenes, ya que estas plataformas influyen de manera significativa en su autoestima, percepción de la realidad y bienestar emocional.
