Baixar para ler offline
Apresentacao do artigo na Conferencia STIL
- 1. DP-SYMPTOM-IDENTIFIER: UMA ESTRATÉGIA PARACLASSIFICAR SINTOMAS DE DEPRESSÃO UTILIZANDO UM CONJUNTO DE DADOS TEXTUAIS NA LÍNGUA PORTUGUESA Autores: Vinicius Casani Rafael Mantovani Alinne Souza Francisco Carlos Souza STIL 2021 - Symposium in Information and Human Language Technology
- 2. Agenda ● Introdução ● Trabalhosrelacionados ● Estratégia DP-Symptom-Identifier ● Experimentos ● Considerações finais
- 3. Depressão no Mundoe no Brasil “A depressão afeta 4,4% da população mundial, no Brasil a parcela da população afetada é de 5,8%” ● Sintomas: ○ Psíquicos ○ Fisiológicos ○ Comportamentais ● Períodos Temporais Fonte: Organização Mundial da Saúde
- 4.
- 5. Trabalhos Relacionados ● Maisde 20 estudos encontrados ● Apenas um em português ○ Coleta realizada no Facebook ○ Sentenças positivas ○ Sentenças negativas ■ “Odeio minha vida” ■ “Me sentindo triste” ● Foco na identificação de sentimentos positivos e negativos
- 6.
- 7. Etapa 1 -Coleta e rotulação dos dados ● Coleta de dados: Aplicação de Coleta de Dados (ACD) ○ API do Twitter ○ Sentenças pré-selecionadas (200 exemplos) Sentença Categoria Eu quero morrer Comportamental Não desejo sair de casa Comportamental Tenho dificuldade para dormir Fisiológico Estou sempre cansado Fisiológico Me sinto inútil Psíquico Sou infeliz Psíquico
- 8. Etapa 1 -Coleta e rotulação dos dados ● Rotulação ○ Aplicação web ○ Auxílio de uma psicóloga
- 9. Etapa 2 -Pré-processamento ● Base de dados de Treinamento ○ 2008 tweets de 1988 usuários 1. Limpeza dos dados a. Caracteres minúsculos; b. Números; c. Emojis; d. Pontuações; e. Espaços desnecessários; f. Citações e retweets; 2. Remoção de Stopwords a. Palavras sem informações relevantes; 3. Stemming a. Redução ao radical da palavra ou termo
- 10. Etapa 3 -Extração de Características ● Term Frequency-Inverse Document Frequency (TF-IDF) ○ Relevância de um termo em um corpus ○ Mais de 10 mil atributos descritivos ○ Remoção dos atributos correlacionados em mais de 95% ○ Overfiting ● Bag-of-Words (BoW) ○ Frequência de cada termo na base ○ 4650 atributos descritivos ○ Remoção dos atributos com frequencia menor que 10 (340 atributos restantes)
- 11. Avaliação da qualidadedo conjunto de dados ● Base de treinamento anteriormente criada ● Validação cruzada de 10 partições ● Algoritmos ○ Support Vector Machines (SVMs) ○ Naive Bayes (NB) ○ Multilayer Perceptron (MLP) ○ Random Forest (RF) ● Desempenho dos modelos mensurados por meio da AUC ○ Representa a medida de separabilidade, ou seja, mostra até que ponto o modelo avaliado é capaz de separar corretamente as classes (Flach et al. 2011). ● Resultados obtidos: Algoritmo AUC sd RF 0.935 0.015 SVM 0.927 0.013 MLP 0.900 0.009 NB 0.725 0.020
- 12. Contribuições ● Estratégia DP-Symptom-Identifierpara coletar e analisar mensagens compartilhadas em português no Twitter a fim de identificar um dos três tipos de sintomas da depressão; ● Criação de uma base de dados em português, rotulada por uma psicóloga, a qual pode ser utilizada por modelos de aprendizado de máquina no contexto de problemas psicológicos;
- 13. Trabalhos Futuros ● Expandiro conjunto de dados, adicionando mais tweets; ● Rotula-los usando as ferramentas desenvolvidas; ● Incrementar os experimentos com os algoritmos preditivos; e ● Expandir a coleta de dados para outras redes sociais.
Notas do Editor
- #3 Psiquico, redução da capacidade de concentração, humor deprimido (sentimento de vazio), sentimento de culpa e inutilidade Fisiológicos: sono perturbado (insonia ou hipersonia) e alteração de apetite Comportamentais: retraimento social, ideação suicida, retardo ou agitação psicomotora Considerada o mal do século pela OMS. A depressão atinge pessoas de todas as idades, classes sociais e nacionalidades, e é o principal motivo de incapacitação mental e fisica da população mundial falar sobre o perido temporal indiicado pelo DSM Um dos principais motivadores para que a depressão atinja números alarmantes é a desinformação, pois a maioria dos sintomas da depressão podem ser vistos como problemas rotineiros, como insonia, falta de apetite, introversão, e como os quadros depressivos são caracterizados quando existem os 3 tipos de sintomas por um determinado periodo de tempo, essa desinformação pode fazer com que as pessoas venham a ter conhecimento deste quadro quando a doença ja atingiu estágios mais avançados
- #4 Falar da desinformação somado a depressão a manipulação de textos e linguagem natural também são problemas, pois existem ambiguidades, figuras de linguagem e inconsistências.. No entanto, com o atual avanço da tecnologia e o desenvolvimento de areas ´ como Aprendizado de Maquina (AM) e Processamento de Linguagem Natural (PLN); ´ e uma grande quantidade e disponibilidade de dados gerados por redes sociais, foruns e paginas na Web, ´ e possivel extrair informacoes riquıssimas e relevantes de dados textuais.
- #5 . Desta forma, em comparação aos trabalhos descritos,o principal diferencial neste artigo e a exploracão de uma analise considerando tres categorias de textos depressivos na l´ıngua portuguesa: sintomas psíquicos, comportamentais e fisiologicos. Segundo o DSM-5 [APA 2013], os sintomas ps íquicos e comportamentais sao mais relevantes para indicar um quadro depressivo do que os fisiologicos
- #10 Term Frequency-Inverse Document Frequency (TF-IDF) Relevância de um termo em um corpus Mais de 10 mil atributos descritivos Remoção dos atributos correlacionados em mais de 95% Overfiting
- #11 Os resultados iniciais obtidos sugerem que a estratégia elaborada é descritiva e efetiva, pois as caracter´ısticas textuais extraidas sao mapeadas corretamente para as categorias sintomaticas da depressao. Isso é visivelmente corroborado pelos valores médios ´ de AUC acima de 0.9, obtidos pelos algoritmos RF, SVM e MLP.