Modelo de detecção de depressão através das mídias sociais
Show full item record
Title:
|
Modelo de detecção de depressão através das mídias sociais |
Author:
|
Silveira, Júlia Nakayama
|
Abstract:
|
As redes sociais possuem grande importância no cotidiano das pessoas nos dias atuais. Usuários de todo o mundo utilizam mídias como
Twitter, Facebook, Instagram, entre outras, para compartilhar informações pessoais e opiniões com seus contatos. Em função disso, a
linguagem utilizada nesses compartilhamentos, os tipos de postagens e
sua frequência podem revelar aspectos da personalidade e uma visão do
estado mental do usuário. A depressão é uma doença que afeta milhões
de pessoas pelo mundo, mas a avaliação muitas vezes é imprecisa e o
diagnóstico da doença é prejudicado. Empregando as informações das
redes sociais como entrada, é possível desenvolver um modelo analítico
que faz uso dos conceitos de ciência de dados e aprendizado de máquina
para identificar um comportamento depressivo nos usuários, auxiliando
profissionais da saúde mental a diagnosticar depressão. Neste trabalho,
após inúmeros testes, são apresentados um classificador utilizando técnicas já existentes de mineração de dados e gráficos com uma análise
exploratória para visualização dos resultados obtidos. O classificador
final foi o SVM, o qual conseguiu acertar 72% os usuários que tinham
ou não depressão. De todos os usuários que realmente possuíam depressão, o modelo classificou corretamente 82%. E, por fim, 60% dos
usuários que o modelo classificou como tendo depressão realmente possuíam essa classificação. Então, conclui-se que os objetivos do presente
trabalho foram atingidos. |
Description:
|
TCC(graduação) - Universidade Federal de Santa Catarina. Centro Tecnológico. Sistemas de Informação. |
URI:
|
https://repositorio.ufsc.br/handle/123456789/202444
|
Date:
|
2019-11-12 |
Files in this item
This item appears in the following Collection(s)
Show full item record
Search DSpace
Browse
-
All of DSpace
-
This Collection
My Account
Statistics
Compartilhar