Título: Detecção de perfis sintomáticos de depressão no Twitter utilizando aprendizado de máquina
Autores: Kayque Vieira Netto, Rogério Martins Gomes, Bruno André Santos and Edson Marchetti da Silva.
Resumo:
Atualmente, a depressão é um dos transtornos mentais mais comuns em todo o mundo. Em 2015, por exemplo, foram contabilizadas aproximadamente 320 milhões de pessoas acometidas com a doença. O diagnóstico muitas vezes impreciso e o estigma social que a doença ainda causa, dificulta que pessoas sejam identificadas e tenham um tratamento correto. As redes sociais, que se popularizaram nos últimos anos e, portanto, tem sido um espaço aberto e propício para expor emoções, torna-se um mecanismo de estudo para encontrar padrões de perfis de possíveis pacientes à patologia. Nesse contexto, este trabalho propõe a aplicação dos métodos Random Forest, k-NN, Naive Bayes, Regressão Logística, e NuSVC – SVM na classificação dos usuários do Twitter como depressivos, sintomáticos e assintomáticos. Para isso, foi criada uma base de dados composta por tweets enviados na língua portuguesa do Brasil de usuários do Twitter, nos quais serão analisadas as características que determinam o padrão de comportamento do usuário na rede social. Ao final, o classificador NuSVC – SVM obteve as melhores métricas de desempenho apresentando uma acurácia, recall e F1-Score de 89% e uma precision de 90%.
Palavras-chave:
Processamento de Linguagem Natural, Redes Neurais, Depressão, Aprendizado de Máquina.
Páginas: 6
Código DOI: 10.21528/CBIC2021-17
Artigo em pdf: CBIC_2021_paper_17.pdf
Arquivo BibTeX: CBIC_2021_17.bib