Use este identificador para citar ou linkar para este item: http://repositorio.roca.utfpr.edu.br/jspui/handle/1/16460
Registro completo de metadados
Campo DCValorIdioma
dc.creatorCasani, Vinicius-
dc.date.accessioned2020-06-01T12:42:47Z-
dc.date.issued2019-11-25-
dc.identifier.citationCASANI, Vinicius. Uso de aprendizado de máquina para identificação de perfis depressivos em redes sociais. 2019. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) - Universidade Tecnológica Federal do Paraná, Dois Vizinhos, 2019.pt_BR
dc.identifier.urihttp://repositorio.roca.utfpr.edu.br/jspui/handle/1/16460-
dc.description.abstractRegardless of age, social class or nationality, depression is a psychic disorder that affects millions of people in the world. Sentiment Analysis has been used to extract relevant information from social media users’ posts in order to identify their feelings regarding the most varied subjects. The present study aims to use Sentiment Analysis techniques to detect depressive profiles on Twitter. To this end, a strategy entitled DP-Symptom-Identifierwas created which identifies possible depressive symptoms present in tweets and then enables profile analysis as a whole, temporally, facilitating the process of identifying depressive profiles in timelines. Experiments were conducted to identify the best machine learning algorithm to compose the strategy and also to evaluate the efficiency of the DP-Symptom-Identifierstrategy. The algorithm selected was the Multilayer Perceptron, which obtained a 90% assertiveness rate with a processing time of fewer than 5 seconds. The proposed strategy proved effective in identifying possible depressive profiles analyzing timelines extracted from Twitter. Therefore, the results indicate that the strategy can identify symptoms of depression and allows the identification of depressive profiles correctly.pt_BR
dc.languageporpt_BR
dc.publisherUniversidade Tecnológica Federal do Paranápt_BR
dc.rightsembargoedAccesspt_BR
dc.subjectAlgorítmos computacionaispt_BR
dc.subjectRedes neurais (Computação)pt_BR
dc.subjectRedes sociais on-linept_BR
dc.subjectComputer algorithmspt_BR
dc.subjectNeural networks (Computer science)pt_BR
dc.subjectOnline social networkspt_BR
dc.titleUso de aprendizado de máquina para identificação de perfis depressivos em redes sociaispt_BR
dc.title.alternativeUsing machine learning for detecting depressive profiles in social mediapt_BR
dc.typebachelorThesispt_BR
dc.description.resumoA depressão é uma doença que atinge milhões de pessoas por todo o mundo, independente de sua idade, classe social ou nacionalidade. Análise de Sentimentos vem sendo utilizada para extrair informações relevantes de postagens dos usuários em redes sociais, afim de identificar o sentimento desses referente aos mais variados assuntos. O presente trabalho tem como objetivo utilizar técnicas de análise de sentimentos para detectar possíveis perfis depressivos no Twitter. Para tal, foi criada uma estratégia intitulada DP-Symptom-Identifier a qual identifica possíveis sintomas depressivos presentes nos tweets e em seguida possibilita a análise do perfil como um todo, de forma temporal, facilitando o processo de identificação de traços depressivos nas timelines. Foram conduzidos experimentos para identificar o melhor algoritmo de aprendizado de máquina para compor a estratégia e também para avaliar a eficiência da estratégia DP-Symptom-Identifier. O algoritmo selecionado foi o Multilayer Perceptron, o qual obteve uma taxa de assertividade de 90% com um tempo de processamento inferior a 5 segundos. A estratégia proposta mostrou-se eficaz para identificar possíveis perfis depressivos analisando timelines extraídas do Twitter. Portanto, os resultados indicam que a estratégia consegue identificar sintomas de depressão e possibilita a identificação de perfis depressivos de forma correta.pt_BR
dc.degree.localDois Vizinhospt_BR
dc.publisher.localDois Vizinhospt_BR
dc.contributor.advisor1Souza, Francisco Carlos Monteiro-
dc.contributor.advisor-co1Mantovani, Rafael Gomes-
dc.contributor.referee1Souza, Francisco Carlos Monteiro-
dc.contributor.referee2Souza, Alinne Cristinne Corrêa-
dc.contributor.referee3Cieslak, Dionatan Augusto Guimarães-
dc.publisher.countryBrasilpt_BR
dc.publisher.programEngenharia de Softwarept_BR
dc.publisher.initialsUTFPRpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAOpt_BR
Aparece nas coleções:DV - Engenharia de Software

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
DV_COENS_2019_2_12.pdf2,23 MBAdobe PDFThumbnail
Visualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.