Mental disorder detection from social media through deep learning

André Hermenegildo Costa Silva

Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/ESBF-AL6JTZ

Full metadata record

DC Field	Value	Language
dc.contributor.advisor1	Adriano Alonso Veloso	pt_BR
dc.contributor.referee1	Cilene Aparecida Nunes Rodrigues	pt_BR
dc.contributor.referee2	Nivio Ziviani	pt_BR
dc.contributor.referee3	Pedro Olmo Stancioli Vaz de Melo	pt_BR
dc.creator	André Hermenegildo Costa Silva	pt_BR
dc.date.accessioned	2019-08-09T14:03:35Z	-
dc.date.available	2019-08-09T14:03:35Z	-
dc.date.issued	2016-04-05	pt_BR
dc.identifier.uri	http://hdl.handle.net/1843/ESBF-AL6JTZ	-
dc.description.abstract	Mental disorder problems has been cause for concern around the world. An estimated 54 million Americans suffer from some form of mental disorder in a given year. Nowadays, people discuss and talk about the most diverse topics in social media platforms, including their health. This results in a stream of health-related data, and psychiatrists and doctors, as well as health insurance companies, are increasingly interested in exploring this kind of data. In this work, we devise algorithms to identify mental disorder problems associated with users of online social medias by examining text posted by them.	pt_BR
dc.description.resumo	Transtornos mentais têm sido motivo de preocupação ao redor do mundo. Estima-se que 54 milhões de americanos sofrem de algum tipo de transtorno mental em um determinado ano. Hoje em dia, as pessoas discutem e falam sobre os mais diversos assuntos nas mídias sociais, inclusive sobre saúde, resultando em uma massiva quantidade de dados a respeito. Com isso, psiquiatras e médicos, bem como empresas de planos de saúde, estão mais e mais interessados em explorar tais tipos de dados. Recentes estudos têm focado na caracterização de saúde mental em mídias sociais e no desenvolvimento de modelos estatísticos de previsão utilizando atributos derivados de forma manual para diagnosticar o estado de saúde mental de um determinado indivíduo. No entanto, na maioria dos casos, tais atributos não são capazes de capturar informações sobre transtornos mentais em dados textuais. Neste trabalho, nós propomos algoritmos para identificar problemas de transtorno mental associados com usuários de mídias socias por meio dos textos publicados por eles. Nós desenvolvemos arquiteturas de redes neurais convolutivas para aprender representações vetoriais de textos, considerando as informações de transtorno mental presente nestes textos, levando a um método chamado Disorder-Specific Embedding (DSE). Nós realizamos vários experimentos e concluímos que as representações vetoriais fornecidas pelo DSE superam os baselines considerados. Outro algoritmo proposto neste trabalho chama-se Hidden Subject Discovery (HSD). Consiste em um método para descobrir comunidades e, consequentemente, assuntos implícitos dentro destas comunidades, considerando um grupo de usuários com o mesmo transtorno mental. Por meio do HSD, foi possível encontrar padrões ocultos em dados textuais de um determinado transtorno mental, bem como descobrir assuntos e temas implícitos em cada comunidade.	pt_BR
dc.language	Inglês	pt_BR
dc.publisher	Universidade Federal de Minas Gerais	pt_BR
dc.publisher.initials	UFMG	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	Transtornos Mentais	pt_BR
dc.subject	Análise de Sentimentos	pt_BR
dc.subject	Aprendizado de Máquina	pt_BR
dc.subject	Aprendizado Profundo	pt_BR
dc.subject	Mídias Sociais	pt_BR
dc.subject.other	Midia social	pt_BR
dc.subject.other	Aprendizado profundo	pt_BR
dc.subject.other	Computação	pt_BR
dc.subject.other	Aprendizado de máquina	pt_BR
dc.subject.other	Transtornos mentais	pt_BR
dc.title	Mental disorder detection from social media through deep learning	pt_BR
dc.type	Dissertação de Mestrado	pt_BR
Appears in Collections:	Dissertações de Mestrado

Files in This Item:

File	Description	Size	Format
andrehermenegildocostasilva.pdf		11.46 MB	Adobe PDF	View/Open

Show simple item record