| Summary: | A saúde mental é um tema muito abordado nos dias de hoje, especialmente desde que a pandemia começou, uma vez que o distanciamento social fez com que as pessoas tivessem de criar alternativas de comunicação, tendo recorrido cada vez mais às redes sociais para esse efeito. Muitas pessoas não querem ser tratadas ou não assumem que têm depressão, resultando muitas vezes em casos mais graves, como episódios depressivos, levando até a situações de suicídio. Deste modo, para evitar as situações já referidas, é necessário criar técnicas de deteção automática de sinais de depressão com base em informação produzida por um determinado indivíduo. Existem diversos trabalhos que referem vários métodos de deteção bem como analisam a depressão numa perspetiva das ciências cognitivas. Nesta dissertação pretende-se detetar sinais depressivos cruzando as palavras que compõem uma determinada publicação textual de duas formas diferentes: com léxicos já existentes ou com um dicionário que contém as palavras relacionadas com depressão, provenientes de fontes distintas. Igualmente, pretende-se aplicar algoritmos de aprendizagem automática considerando o histórico de um determinado utilizador para que os resultados sejam comparados ao estado de arte. Foi possível concluir que, as pessoas depressivas normalmente utilizam uma diversidade de palavras no seu vocabulário o que torna complicada a deteção recorrendo a léxicos. No entanto, se forem consideradas as palavras negativas, os resultados vão ser melhorados. Os algoritmos genéricos aplicados, conseguiram melhorar os resultados em termos de precisão mas em relação à cobertura e à medida f ficaram aquém do estado de arte.
|
|---|