Pantheon Institutional repository
Collect, preserve and disseminate digital academic production in all areas of knowledge.
Comprise the assets of the repository, in addition to theses and dissertations at UFRJ, scientific articles, electronic books, book chapters and papers presented at events for teachers, researchers, administrative staff and students of master's and doctoral degrees.
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11422/16693
| Type: | Trabalho de conclusão de graduação |
| Title: | Framework baseado em big data e machine learning para identificação de ideação suicida de usuários do Twitter |
| Author(s)/Inventor(s): | Luna, Gabriel de Sapienza Crespo, Felipe Tomazelli Damasceno, Rodrigo Paiva |
| Advisor: | Sampaio, Jonice de Oliveira |
| Abstract: | O pensamento suicida é um dos problemas de saúde mental mais graves enfrentados pela sociedade. São diversos fatores de riscos envolvidos que podem levar ao acometimento do suicídio. Alguns destes são: depressão, isolamento social e a ansiedade. A utilização de ferramentas para realizar a detecção precoce desses fatores auxiliam na prevenção ou redução desses números de suicídios. Com o advento das redes sociais, os usuários começaram a expressar seus pensamentos abertamente para outros indivíduos frequentadores dessas páginas. Este trabalho apresenta uma proposta de framework utilizando o Twitter como base, para analisar melhor a ideação suicida, auxiliando na identificação de pessoas em risco potencial de suicídio. Os dados são coletados em tempo real por meio da API do Twitter, tweepy. Com o auxílio de diversas ferramentas conhecidas no mercado de Big Data, pode-se realizar uma análise dos tweets em tempo real. O objetivo final da framework será distinguir os tweets, de forma automática, entre a ideação suicida ou não. |
| Keywords: | Redes sociais Twiter Big data analise de sentimento Framework Inteligência artificial Suicídio |
| Subject CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Production unit: | Instituto de Computação |
| Publisher: | Universidade Federal do Rio de Janeiro |
| Issue Date: | 14-Mar-2022 |
| Publisher country: | Brasil |
| Language: | por |
| Right access: | Acesso Aberto |
| Appears in Collections: | Ciência da Computação |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| GSLuna.pdf | 1.32 MB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.