| Campo Dublin Core | Valor | Língua |
|---|
| dc.contributor.advisor | Ladeira, Marcelo | - |
| dc.contributor.author | Von Sperling, Otto Kristian | - |
| dc.identifier.citation | VON SPERLING, Otto Kristian. UnB Sense: a web application to probe for signs of depression from user profiles on social media. 2019. x, 49 f., il. Trabalho de Conclusão de Curso (Bacharelado em Ciência da Computação)—Universidade de Brasília, Brasília, 2019. | pt_BR |
| dc.description | Trabalho de Conclusão de Curso (graduação)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2019. | pt_BR |
| dc.rights | Acesso Aberto | pt_BR |
| dc.subject.keyword | Mineração de dados | pt_BR |
| dc.subject.keyword | Depressão | pt_BR |
| dc.subject.keyword | Redes sociais on-line | pt_BR |
| dc.subject.keyword | Twitter (Rede social on-line) | pt_BR |
| dc.subject.keyword | Comportamento humano | pt_BR |
| dc.subject.keyword | Aprendizado de máquina | pt_BR |
| dc.subject.keyword | Aplicativos | pt_BR |
| dc.title | UnB Sense : a web application to probe for signs of depression from user profiles on social media | pt_BR |
| dc.type | Trabalho de Conclusão de Curso - Graduação - Bacharelado | pt_BR |
| dc.date.accessioned | 2021-02-01T16:59:26Z | - |
| dc.date.available | 2021-02-01T16:59:26Z | - |
| dc.date.submitted | 2019-12-05 | - |
| dc.identifier.uri | https://bdm.unb.br/handle/10483/26502 | - |
| dc.language.iso | Inglês | pt_BR |
| dc.rights.license | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta. | pt_BR |
| dc.description.abstract1 | Research on computerized models that help detect, study and understand signs of mental
health disorders from social media has been thriving since the mid-2000s for English
speakers. In Brazil, this area of research shows promising results, in addition to a variety
of niches that still need exploring. Thus, we construct a large corpus from 2941 users
(1486 depressive, 1455 non-depressive), and induce machine learning models to identify
signs of depression from our Twitter corpus. In order to achieve our goal, we extract
features by measuring linguistic style, behavioral patterns, and affect from users’ public
tweets and metadata. Resulting models successfully distinguish between depressive and
non-depressive classes with performance scores comparable to results in the literature
(F1 = 0.798, precision = 0.806, recall = 0.807). Last but not least, we develop an online
platform to allow Twitter users to probe their profiles for signs of depression. By doing
so, we hope to empower users to better understand their signals and to steer them to seek
professional assistance whenever needed. | pt_BR |
| Aparece na Coleção: | Ciência da Computação
|
