Análise de técnicas de PLN e machine learning na detecção de Indícios de depressão

dc.contributor.advisorCunha, Daniela V.
dc.contributor.authorJordan, Dyonathan
dc.contributor.authorCesar, Victor
dc.contributor.authorCarmo, Lucas do
dc.date.accessioned2023-02-03T11:34:32Z
dc.date.available2023-02-03T11:34:32Z
dc.date.issued2022-12-09
dc.description.abstractÀ medida que o desenvolvimento social e tecnológico avança, aumentam os casos diagnosticados de depressão e transtorno de ansiedade. Sendo assim, o presente estudo propõe desenvolver uma fundamentação em um cenário de análise de tweets com indícios depressivos, realizando predições com objetivo de detectar outros tweets que os possuam, e evidenciar a relevância das técnicas de Machine Learning e PLN. Foi possível definir que os algoritmos de ML que se sobressaíram foram o Random Forest e a Regressão Logística, e visualizar que neste cenário, a escolha de um algoritmo de extração de features foi inconclusiva, devido aos resultados semelhantes obtidos utilizando o Bag-Of-Words e o TF-IDF.pt_BR
dc.identifier.urihttps://dspace.mackenzie.br/handle/10899/31207
dc.languagept_BRpt_BR
dc.publisherUniversidade Presbiteriana Mackenziept_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectmachine learningpt_BR
dc.subjectprocessamento de linguagem naturalpt_BR
dc.subjectalgoritmos de machine learningpt_BR
dc.subjectextração de featurespt_BR
dc.titleAnálise de técnicas de PLN e machine learning na detecção de Indícios de depressãopt_BR
dc.typeTCCpt_BR
local.publisher.departmentFaculdade de Computação e Informática (FCI)pt_BR
Arquivos
Pacote Original
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
1123-Artigo Final-5233-1-4-20221209.pdf
Tamanho:
1.44 MB
Formato:
Adobe Portable Document Format
Descrição:
Dyonathan Jordan, Lucas do Carmo, Victor Cesar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1.95 KB
Formato:
Item-specific license agreed upon to submission
Descrição: