Emognizer: aplicação baseada em inteligência artificial para análise emocional de redes sociais
Carregando...
Autores
Orientadores
Título da Revista
ISSN da Revista
Título de Volume
Editor
Data
2020
Resumo
Tendo em vista que grande parte da população brasileira encontra-se ativa nas redes sociais
e as emoções propagadas pelas pessoas são reflexo de sua saúde mental, foi desenvolvido
um sistema que detecta emoções em textos produzidos por um indivíduo em seus perfis do
Twitter e do Reddit. Tais emoções são abordadas através de representações que proporcionam
encontrar indícios de transtornos mentais. As representações estão presentes em um aplicativo
destinado aos dispositivos móveis, construído utilizando um template que prega pela imersão
e boa experiência do usuário. Para tanto, realizou-se um levantamento de transtornos mentais
que possuíssem características passíveis de serem representadas computacionalmente, o qual
resultou em quatro transtornos: Transtorno Disruptivo da Desregulação do Humor (TDDH),
Transtorno de Ansiedade Generalizada (TAG), Fobia Específica e Transtorno Depressivo
Maior (TDM). Além de que, usou-se cinco datasets compostos por registros rotulados
por especialistas, os quais foram pré-processados através de técnicas de Processamento de
Linguagem Natural (PLN) e, posteriormente utilizados para realizar o treinamento e avaliação
de um modelo de Rede Neural LSTM (Long Short-Term Memory) que, durante o processo de
avaliação, mostrou ser capaz de reconhecer emoções em textos retirados de ambas as redes
sociais citadas anteriormente.
Abstract/Resumen
Bearing in mind that a large part of the Brazilian population is active on social networks and the
emotions propagated by people are a reflection of their mental health, a system was developed
that detects emotions in texts produced by an individual in their Twitter and Reddit profiles.
Then, it presents them through representations that provide finding signs of mental disorders.
The representations are present in an application for mobile devices, built using a template that
preaches for immersion and good user experience. Therefore, a survey of mental disorders that
had characteristics that could be represented computationally was carried out, which resulted
in four disorders: Disruptive Mood Dysregulation Disorder (DMDD), Generalized Anxiety
Disorder (GAD), Specific Phobia, and Major Depressive Disorder (MDD). Also, five datasets
composed of records labeled by specialists were used, which were pre-processed using Natural
Language Processing (NLP) techniques and later used to carry out the training and evaluation
of an LSTM (Long Short-Term Memory) Neural Network model who, during the evaluation
process, showed to be able to recognize emotions in texts taken from both social networks
mentioned above.
Instituição
Universidade Regional Integrada do Alto Uruguai e das Missões