Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/16693| Tipo: | Trabalho de conclusão de graduação |
| Título: | Framework baseado em big data e machine learning para identificação de ideação suicida de usuários do Twitter |
| Autor(es)/Inventor(es): | Luna, Gabriel de Sapienza Crespo, Felipe Tomazelli Damasceno, Rodrigo Paiva |
| Orientador: | Sampaio, Jonice de Oliveira |
| Resumo: | 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. |
| Palavras-chave: | Redes sociais Twiter Big data analise de sentimento Framework Inteligência artificial Suicídio |
| Assunto CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO |
| Unidade produtora: | Instituto de Computação |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | 14-Mar-2022 |
| País de publicação: | Brasil |
| Idioma da publicação: | por |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Ciência da Computação |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| GSLuna.pdf | 1.32 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.