Utilize este identificador para referenciar este registo: https://hdl.handle.net/1822/76470

TítuloEmotional state detection through text analysis
Outro(s) título(s)Detecção do estado emocional através de análise de textos
Autor(es)Martins, Ricardo Alexandre Gonçalves Carotta
Orientador(es)Novais, Paulo
Henriques, Pedro Rangel
Palavras-chaveAnálise de sentimentos
Aprendizado de máquina
Processamento de Linguagem Natural
Machine learning
Natural Language Processing
Sentiment analysis
Data24-Jan-2022
Resumo(s)Atualmente, as pessoas são submetidas a rotinas intensas e muitas vezes exaustivas para que possam acomodar todas as expectativas e realizar seus desejos, sejam pessoais ou profissionais. Trabalhadores que exercem suas profissões diurnas e durante a noite tornam-se estudantes universitários, mães que têm que acomodar sua jornada profissional com as tarefas domésticas e jovens que dividem seu tempo em vários estudos escolares e profissionais - muitas vezes tendo que ajudar nos os lares - são alguns exemplos de perfis de pessoas que correm o risco de ter um problema emocional. Apesar de atingir um grande número de pessoas, não é trivial saber quando alguém está a atingir seu limite, pois é impossível conectar fios e dispositivos que coletem dados por alguns dias para identificar problemas futuros. Além disso, o acesso a esse tipo de equipamento exige dinheiro e tempo, o que não é para todos. A abordagem proposta aqui é coletar dados para inferir o estado emocional atual, tais como (stress, fadiga, ansiedade, etc.) de forma não invasiva, transparente, barata, simples de usar e de fácil integração com outras sistemas, através da análise de textos curtos, como a troca de mensagens, redigidos através dos mecanismos de comunicação rápida hoje em voga (chats de e-mails e redes sociais, blogs, fóruns de discussão, SMS, etc.). Para isso, a ideia é ensinar o computador a identificar as pistas deixadas nas mensagens de texto que revelem o estado emocional do autor. Usando técnicas de aprendizado de máquina (machine learning) e mineração de texto, várias mensagens previamente coletadas de diferentes fontes serão analisadas a fim de criar um modelo que classifique o estado emocional. Posteriormente, usando esse modelo de classificação, novas mensagens de texto podem ser analisadas para inferir o estado emocional atual do autor. Após utilizar diferentes técnicas para extrair as emoções de textos, essas informações foram sintetizadas na criação um perfil emocional que foi utilizado em tarefas de classificação para identificar doenças como depressão, e prever comportamentos tanto individuais como coletivos, atingindo 98% de precisão na detecção de depressão.
Daily a large number of people end up suffering car accidents, heart attacks and emotional problems due to stress. Some reasons like sedentary lifestyle and the poor quality of life experienced currently are easily associated with them in the literature. Despite reaching a high number of people, it is non-trivial to figure out when someone is in his emotional threshold; especially when connecting body sensors, there is no alternative to collect data. Furthermore, monitoring emotional state conditions continually requires money and time. Our approach to collect human data is the analysis of text messages gathered from email or social networks chats, blogs, SMS’s, and other fast communication mechanisms popular at present. This approach here proposed and discussed is useful to measure up the current emotional state (stress, fatigue, etc.) of a person in a non-invasive manner, transparent, cheap, simple to use, and easy to carry around through mobile devices usage. To achieve this objective, the idea is to teach the computer to identify cues left in text messages which reveal the emotional state of the author. By using machine learning and text mining, several messages previously collected from different sources are analysed to create a model which classifies the emotional state. Later, using this classification model, new text messages can be analysed to classify the current emotional state. After performed different techniques to extract emotions from texts, these information were used to create an emotional profile that was used in classification tasks to identify diseases such as depression, or predict individual or group behaviours, achieving 98% precision in depression detection.
TipoTese de doutoramento
DescriçãoDoctoral Program in Informatics
URIhttps://hdl.handle.net/1822/76470
AcessoAcesso aberto
Aparece nas coleções:BUM - Teses de Doutoramento
CAlg - Teses de doutoramento/PhD theses
DI - Teses de doutoramento

Ficheiros deste registo:
Ficheiro Descrição TamanhoFormato 
Ricardo Alexandre Goncalves Carotta Martins.pdfTese de Doutoramento2,63 MBAdobe PDFVer/Abrir

Este trabalho está licenciado sob uma Licença Creative Commons Creative Commons

Partilhe no FacebookPartilhe no TwitterPartilhe no DeliciousPartilhe no LinkedInPartilhe no DiggAdicionar ao Google BookmarksPartilhe no MySpacePartilhe no Orkut
Exporte no formato BibTex mendeley Exporte no formato Endnote Adicione ao seu ORCID