Depressive States Identification on Social Networks using Multimodal Models

Detalhes bibliográficos
Autor(a) principal: Wolters, Mónica Catarina da Providência
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: eng
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/10316/86170
Resumo: Trabalho de Projeto do Mestrado Integrado em Engenharia Biomédica apresentado à Faculdade de Ciências e Tecnologia
id RCAP_64f5d735d7382da3c03a95c7c17abb34
oai_identifier_str oai:estudogeral.uc.pt:10316/86170
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Depressive States Identification on Social Networks using Multimodal ModelsIdentificação de Estados Depressivos através de Modelos Multimodais aplicados a Redes SociaisAprendizagem MáquinaAnálise de SentimentoDepressãoAnálise de Redes SociaisRedes NeuronaisMachine LearningSentiment AnalysisDepressionSocial Networks AnalysisNeural NetworksTrabalho de Projeto do Mestrado Integrado em Engenharia Biomédica apresentado à Faculdade de Ciências e TecnologiaDepressão é uma doença mental comum por todo o mundo. Esta condição pode causar muito sofrimento ao paciente, e também afetar o trabalho, escola e vida familiar. Em casos extremos, a depressão pode mesmo levar ao suicídio. Em Portugal, estima-se que cerca de 400,000 individuos sofram de depressão por ano. É também a maior causa de suicidio, sendo responsável por 70% dos suicídios.Atualmente, os jovens dependem muito das redes sociais, principalmente os que sofrem com depressão. Estes jovens utilizam a internet para substituir as relações pessoais reais, procurando reconhecimento social e distanciamento da vida social habitual. A depressão tem tratamentos eficazes, mas menos de metade da população afetada acede a estes tratamento devido ao estigma social associado a doenças mentais e falta de recursos e profissionais de saúde treinados.Neste projeto foi criado um modelo multimodal capaz de analisar textos de publicações, imagens partilhadas pelo utilizador e padrões de interação e utilização destes indivíduos. Este projeto foi dividido em quatro partes: distinção entre utilizadores depressivos e não depressivos, distinção entre os quatro estados de depressão (mínimo, suave, moderado e severo), previsão do score exato de depressão através de uma regressão e análise de depressão em imagens através de uma redes neuronal convolucional.O nosso modelo atingiu uma exatidão de 90,5% aquando a previsão entre utilizadores depressivos e não depressivos e de 76,2% aquando a classificação entre os quatro estados de depressão, utilizando o Classificador Random Forest em ambos os casos. Na previsão dos scores exatos de depressão, foi obtido um modelo com um MSE de 79,37. Na previsão de depressão em imagens foi aplicada a técnica de transferência de aprendizagem com a rede pré-treinada VGG16 e obteve-se uma exatidão de 70,97%.Depression is a common mental illness all over the world. Especially when long lasting and with moderate to severe intensity, depression can cause a lot of suffering in the affected individual, having implications at work, school and family life. In extreme cases, depression can lead to suicide. In Portugal, depression is estimated to affect around 400,000 people per year. It is the leading cause of suicide, with a total of 70% when compared to other causes of death.Nowadays, young people heavily rely on social networks, particularly those suffering from depression. These people use the internet to replace relationships in the real world, seeking social recognition and alienation from the ordinary social life. Depression has effective treatments, but less than half of the affected people receive them due to the social stigma associated with mental disorders and lack of resources as well as trained healthcare providers.With the aim of predicting if a user is going through depression or not, we created a multimodal model, capable of analyzing the text of publications, images shared by the user and patterns of interaction of these individuals. This project was divided into four approaches: the distinction between depressive and non-depressive users, the distinction between the four states of depression (minimal, mild, moderate and severe), prediction of the exact depression scores using a regression and image depression analysis prediction using a convolutional neural network. Our model got an accuracy of 90.5% when predicting between depressive and non-depressive users and 76.2% when classifying in one of the four depression states, both with the Random Forest Classifier. For exact depression score prediction we obtained a model with a mean squared error of 79.37. For the image depression analysis prediction we applied transfer learning using the trained VGG16, obtaining an accuracy of 70.97%.2018-09-26info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesishttp://hdl.handle.net/10316/86170http://hdl.handle.net/10316/86170TID:202206661engWolters, Mónica Catarina da Providênciainfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2022-05-25T01:45:48Zoai:estudogeral.uc.pt:10316/86170Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-19T21:07:22.965695Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Depressive States Identification on Social Networks using Multimodal Models
Identificação de Estados Depressivos através de Modelos Multimodais aplicados a Redes Sociais
title Depressive States Identification on Social Networks using Multimodal Models
spellingShingle Depressive States Identification on Social Networks using Multimodal Models
Wolters, Mónica Catarina da Providência
Aprendizagem Máquina
Análise de Sentimento
Depressão
Análise de Redes Sociais
Redes Neuronais
Machine Learning
Sentiment Analysis
Depression
Social Networks Analysis
Neural Networks
title_short Depressive States Identification on Social Networks using Multimodal Models
title_full Depressive States Identification on Social Networks using Multimodal Models
title_fullStr Depressive States Identification on Social Networks using Multimodal Models
title_full_unstemmed Depressive States Identification on Social Networks using Multimodal Models
title_sort Depressive States Identification on Social Networks using Multimodal Models
author Wolters, Mónica Catarina da Providência
author_facet Wolters, Mónica Catarina da Providência
author_role author
dc.contributor.author.fl_str_mv Wolters, Mónica Catarina da Providência
dc.subject.por.fl_str_mv Aprendizagem Máquina
Análise de Sentimento
Depressão
Análise de Redes Sociais
Redes Neuronais
Machine Learning
Sentiment Analysis
Depression
Social Networks Analysis
Neural Networks
topic Aprendizagem Máquina
Análise de Sentimento
Depressão
Análise de Redes Sociais
Redes Neuronais
Machine Learning
Sentiment Analysis
Depression
Social Networks Analysis
Neural Networks
description Trabalho de Projeto do Mestrado Integrado em Engenharia Biomédica apresentado à Faculdade de Ciências e Tecnologia
publishDate 2018
dc.date.none.fl_str_mv 2018-09-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10316/86170
http://hdl.handle.net/10316/86170
TID:202206661
url http://hdl.handle.net/10316/86170
identifier_str_mv TID:202206661
dc.language.iso.fl_str_mv eng
language eng
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799133964972064768

Registros relacionados