PROCESSAMENTO DE LINGUAGEM NATURAL PARA DETECÇÃO DE COMPORTAMENTO DEPRESSIVO
| dc.contributor.advisor | Guilherme Alberto Wachs Lopes | |
| dc.contributor.advisorLattes | http://lattes.cnpq.br/4456728413230670 | |
| dc.contributor.author | GABRIEL FILIPE DA SILVA MELO | |
| dc.contributor.author | YOUSSEF ALI EL KHATIB | |
| dc.contributor.author | EDUARDO CONTE GARCIA JUNIOR | |
| dc.contributor.author | KAYKE BONAFÉ DE LUCA | |
| dc.date.accessioned | 2024-08-15T15:58:36Z | |
| dc.date.available | 2024-08-15T15:58:36Z | |
| dc.date.issued | 2021-06-17 | |
| dc.description.abstract | A depressão é um assunto que vem ganhando destaque nos últimos anos. De acordo com WHO (2020), a depressão afeta mais de 294 milhões de pessoas ao redor do mundo. Dessa forma, essa doença tem sido foco de muitas pesquisas científicas, desde seu diagnóstico até mesmo seu tratamento. Trabalhos como de Wang, Huang e Chen (2018), Paul, Jandhyala e Basu (2018) e Maupomé e Meurs (2018) indicam que o diagnóstico precoce é um importante campo de pesquisa, uma vez que, em quadros mais graves, pode levar o paciente ao suicídio. Um dos tópicos que normalmente é associado à depressão são as redes sociais e o tempo de uso dos seus usuários. Na comunidade cientifica, há uma correlação entre a utilização de redes sociais e o desenvolvimento de depressão Primack et al. (2017), dentre outros quadros clínicos. Com o avanço da tecnologia e modelos matemático-computacionais, houve um aumento sig- nificativo do uso da área processamento de linguagem natural (PLN), desde a classificação de usuários em redes sociais até análise de sentimentos em documentos. Nessa linha, muitos pes- quisadores têm utilizado PLN para classificação e diagnóstico de doenças mentais como Low et al. (2020), Mörch, Gupta e Mishara (2019) e Cook et al. (2016). Este trabalho desenvolve, im- plementa e avalia um modelo computacional baseado em processamento de linguagem natural para classificação de tendências depressivas de usuários do Twitter por meio de suas postagens no decorrer do tempo. Como resultado, foi obtido um F-Measure de 83,58% utilizando-se do conteúdo textual acrescido da análise de sentimento dos documentos. | pt_BR |
| dc.format.extent | 61 | |
| dc.identifier.uri | https://repositorio.fei.edu.br/handle/FEI/5488 | |
| dc.language.iso | pt_BR | |
| dc.rights | Restrito | |
| dc.title | PROCESSAMENTO DE LINGUAGEM NATURAL PARA DETECÇÃO DE COMPORTAMENTO DEPRESSIVO | |
| dc.type | Trabalho de Conclusão de Curso | |
| fei.date.entrega | 2021 |