Aplicação de Processamento de Linguagem Natural na identificação de perfis depressivos em mídias sociais.
Resumo
É perceptível a influência das mídias sociais na saúde mental das pessoas. Com
o avanço tecnológico e a prevalência das interações virtuais, as relações sociais
passaram a ser mediadas por dispositivos eletrônicos, suscitando preocupações quanto
aos impactos psicológicos dessas plataformas. Este trabalho propõe a aplicação de
técnicas de Processamento de Linguagem Natural para identificar possíveis perfis
depressivos. Foram exploradas 5 técnicas de classificação consolidadas na literatura
para compreender as interações textuais online, são elas: Logistic Regression; Bernoulli
Naive Bayes; Random Forest; Stochastic Gradient Descent e Multilayer Perceptron. E
dois métodos de pré-processamento textual: word2vec e Term Frequency-Inverse
Document Frequencies. Ao utilizar técnicas como logistic regression e multilayer
perceptron, os resultados obtidos revelaram-se promissores. Ambos os algoritmos
alcançaram um F1-score de 79% utilizando a técnica de word embedding Term
Frequency-Inverse Document Frequencies, indicando uma eficiência na identificação de
possíveis perfis depressivos. Esses resultados mostram como tais tecnologias podem ser
utilizadas como uma possível alternativa de apoio a iniciativas de bem estar social, com
enfoque neste tema.
Os arquivos de licença a seguir estão associados a este item: