dc.contributor.author | Mendes, Augusto Rozendo | |
dc.date.accessioned | 2021-11-26T14:38:17Z | |
dc.date.available | 2021-11-26T14:38:17Z | |
dc.date.issued | 2021-11-22 | |
dc.identifier.citation | MENDES, Augusto Rozendo. Detecção automática de postagens possivelmente depressivas em redes sociais. 2021. Trabalho de Conclusão de Curso (Graduação em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2021. Disponível em: https://repositorio.ufscar.br/handle/ufscar/15174. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/15174 | |
dc.description.abstract | Currently, depression is one of the most worrisome mental health issues. In Brazil, in 2019, 10.2% of the adult population reported having been diagnosed with depression according to data from the National Health Survey. Identifying people with a possible depressive profile allows adequate monitoring by mental health professionals. In this sense, online social networks such as Twitter can be important allies. This monography presents experiments carried out for the automatic classification of Twitter posts (or a collection of posts produced by a given user) containing content that denotes some symptom of depression, as well as classification of depressive posts and users through an ensemble model composed of symptom classifiers. Logistic regression showed the best results in both symptom and depression classification tasks (average F 1 equal to 57% for the former, F 1 equal to 64% for the latter). This work is part of the Amive project (FAPESP Regular Grant #20/05157-9). | eng |
dc.description.sponsorship | Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) | por |
dc.description.sponsorship | Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ | * |
dc.subject | Depressão | por |
dc.subject | Twitter | eng |
dc.subject | PHQ-9 | por |
dc.subject | Saúde mental | por |
dc.subject | Aprendizado supervisionado | por |
dc.subject | Depression | eng |
dc.subject | Mental health | eng |
dc.subject | Supervised learning | eng |
dc.title | Detecção automática de postagens possivelmente depressivas em redes sociais | por |
dc.title.alternative | Automatic detection of possibly depressive posts on social media | eng |
dc.type | TCC | por |
dc.contributor.advisor1 | Caseli, Helena de Medeiros | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6608582057810385 | por |
dc.description.resumo | A depressão é uma das questões de saúde mental mais preocupantes da atualidade. No Brasil, em 2019, 10,2% da população adulta relatou ter sido diagnosticada com depressão segundo dados da Pesquisa Nacional de Saúde. Identificar pessoas com perfil possivelmente depressivo permite um acompanhamento adequado por parte dos profissionais de saúde mental. Nesse sentido, as redes sociais online, como o Twitter, podem ser importantes aliadas. Esta monografia apresenta experimentos realizados para a classificação automática de postagens individuais (ou conjuntos de postagens de um mesmo usuário) do Twitter contendo conteúdo que denota algum sintoma de depressão, bem como classificação de postagens depressivas e usuários deprimidos por meio de modelo ensemble composto por classificadores de sintomas. A classificação com regressão logística apresentou os melhores resultados em ambas as tarefas de classificação de sintomas e depressão (F 1 média de 57% no caso da primeira, F 1 de 64% no caso da segunda). Este trabalho é parte do projeto Amive (Auxílio Regular FAPESP #20/05157-9). | por |
dc.publisher.initials | UFSCar | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.description.sponsorshipId | Auxílio Regular #20/05157-9, Fundação de Amparo à Pesquisa do Estado de São Paulo (FAPESP) | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/5946718305128982 | por |
dc.publisher.course | Ciência da Computação - CC | por |