Apresentação - TCC

Prévia do material em texto

UTILIZANDO MACHINE LEARNING PARA IDENTIFICAR SINAIS DE COMPORTAMENTO DEPRESSIVO em usuários de REDE SOCIAIS. 
Trabalho de Conclusão de Curso (TCC)
Engenharia da Computação
Orientador: Severino José de Barros Júnior
Aluno: Darlan Simplicio da Silva 
darlansimplicio@gmail.com
1
Cronograma do estudo proposto
INTRODUÇÃO
METODOLOGIA
RESULTADOS E CONCLUSÃO
Motivação
Pesquisas Relacionados
Objetivos 
Conjunto de Dados
Tecnologias Utilizadas
Fases de Treinamento e testes
Classificações e Predições
Conclusão
Trabalhos Futuros 
INTRODUÇÃO
Depressão? O que é? 
Fonte de informação: Organização Mundial de Saúde (OMS)
Características
Dados da OMS
Tristeza Persistente
Perda de Interesse em Atividades
Principal Causa de Incapacidade
+300 milhões de pessoas com a doença
Segunda Principal Causa de Suicídios
Aumento de 18% na taxa entre 2005 e 2015
INTRODUÇÃO
Pesquisas Relacionadas
Fonte: Secretaria Especial de Comunicação Social
Universidade Missouri - America de Columbia, EUA. (2012)
Dados da SECOM
Onde entram as redes sociais? 
Indícios dos Comportamentos 
Depressivos
Redes Sociais,
Uma das Tecnologias +Utilizada
Competição em Taxa de Uso dos 
Dispositivos Para Acesso a Redes Sociais.
 Dispositivos Celulares: 66%
 Outros Dispositivos: 71%
INTRODUÇÃO
Objetivos
Geral
Específicos 
Utilizar a Tecnologia Machine 
Learning para Identificar 
Comportamento Depressivo em 
Usuários de Redes Sociais. 
Usar as Redes Sociais Como Cenário 
Para Aplicar Técnicas de Machine Learning
Criar um Sistema de Apoio à Decisão
Classificar Sentimentos Positivos e 
Negativos Através de Análises em Textos
METODOLOGIA
Conceitos e Bases 
Fonte: GOLSCHMIDT, R., et al., (2015) – Livro: Data Mining
Mineração de Dados
Identifica Padrões
METODOLOGIA
Conceitos e Bases 
Mineração de Dados
Identifica Padrões
Machine Learning
Técnica de Automatização
Constrói Modelos Analíticos
Fonte: GOLSCHMIDT, R., et al., (2015) – Livro: Data Mining
METODOLOGIA
Conceitos e Bases 
Matriz Confusão
Acurácia – Performance
 (TP+TN)/(TP+FP+FN+TN)
Precisão
(TP/(TP/FP))
Recall
(TP/(TP+FN))
Métricas de Validação
Mineração de Dados
Identifica Padrões
Machine Learning
Técnica de Automatização
Constrói Modelos Analíticos
Fonte: GOLSCHMIDT, R., et al., (2015) – Livro: Data Mining
Matriz Confusão
METODOLOGIA
Conceitos e Bases 
Fonte: NASCIMENTO, R., et al., (2018)
Conjunto de Dados	
Depress-br
Valores de Valência – 1.16 a 8.80
Matriz Confusão
Acurácia - Performance
Precisão
Recall
Métricas de Validação
Mineração de Dados
Identifica Padrões
Machine Learning
Técnica de Automatização
Constrói Modelos Analíticos
Fonte: GOLSCHMIDT, R., et al., (2015) – Livro: Data Mining
METODOLOGIA
Tecnologias Utilizadas
Fonte: GOLSCHMIDT, R., et al., (2015) – Livro: Data Mining
Método de Aprendizado
Aprendizado Supervisionado
Algoritmo SVM
(Support Vector Machine)
Algoritmo Machine Learning
Classifica com Método Supervisionado.
Predições baseando em seu treinamento - entradas conhecidas
METODOLOGIA
Tecnologias Utilizadas
Fonte: GOLSCHMIDT, R., et al., (2015) – Livro: Data Mining
Método de Aprendizado
Aprendizado Supervisionado
METODOLOGIA
Fases – Treinamento e teste
METODOLOGIA
Fases – Treinamento e teste
362 frases
Valores de Valência
METODOLOGIA
Fases – Treinamento e teste
362 frases
Valores de Valência
Estrutura e Organização
METODOLOGIA
Fases – Treinamento e teste
362 frases
Valores de Valência
Estrutura e Organização
Dadaset (Conjunto de Dados)
METODOLOGIA
Fases – Treinamento e teste
362 frases
Valores de Valência
Estrutura e Organização
Dadaset (Conjunto de Dados)
Teste / Predições
30%
Treinamento
70%
RESULTADOS
Classificações e Predições
Fonte: GOLSCHMIDT, R., et al., (2015) – Livro: Data Mining
Conclusão
Trabalhos Futuros
Implementação de um chatbot para conversação direta com os usuários no intuito de explanar a interação entre a máquina e as pessoas.
 Basear a máquina em métodos de aprendizagem ontológicos com o objetivo de abranger o entendimento das emoções passadas por usuários que interagem com a máquina.
Este estudo apresentou uma aplicação de classificação de textos utilizando ferramentas e técnicas de Machine Leaning. Concluiu-se que é possível identificar tipos de comportamentos através de análise de sentimentos expressados por usuários de redes sociais. Essa possibilidade se deu com a junção das ferramentas, dos relacionamentos, modelos e de outros estudos voltado ao tema e aqui mencionados, aplicando-os a um algoritmo de Machine Learning.
UTILIZANDO MACHINE LEARNING PARA IDENTIFICAR SINAIS DE COMPORTAMENTO DEPRESSIVO em usuário de REDE SOCIAIS. 
Trabalho de Conclusão de Curso (TCC)
Engenharia da Computação
Orientador: Severino José de Barros Júnior
Aluno: Darlan Simplicio da Silva 
darlansimplicio@gmail.com
FIM!