Baixe o app para aproveitar ainda mais
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!
Compartilhar