Mostrar o rexistro simple do ítem
Detección temperá da depresión mediante temporal word embeddings
dc.contributor.advisor | Parapar, Javier | |
dc.contributor.advisor | Landín Piñeiro, Alfonso | |
dc.contributor.author | Couto Pintos, Manuel | |
dc.contributor.other | Enxeñaría informática, Grao en | es_ES |
dc.date.accessioned | 2022-01-27T19:39:24Z | |
dc.date.available | 2022-01-27T19:39:24Z | |
dc.date.issued | 2021 | |
dc.identifier.uri | http://hdl.handle.net/2183/29506 | |
dc.description.abstract | [Resumo] A depresión é un trastorno mental habitual que afecta a máis de 300 millons de persoas no mundo. Constitúe a principal causa de discapacidade según a OMS e no peor dos casos pode levar ao suicidio. Ainda que existen tratamentos eficaces o seu difícil diagnóstico xunto coa falla de recursos fan que o tratamento non chegue a máis da metade dos afectados [1]. Neste contexto a iniciativa eRisk establece unha serie de retos para tratar de detectar de forma temperá o perigo de sufrir transtornos persoais. Entre estes retos atópanse a detección temprá da depresión. Esta tarefa desempeñouse no 2017 [2] e 2018 [3] contando con metodoloxías propias de evaluación. Neste proxecto imos crear un sistema de alertas que axude a detectala depresión de formatemperá. Estudaremos as publicacións de diferentes usuarios na rede social Reddit para extraeros patróns propios da linguaxe das persoas que desenrolaran depresión. Teremos en contacómo evoluíu o significado das palabras no tempo para poder determinar cándo o nivel da depresióntraspasa un umbral. Para esta tarefa empregaremos representacións temporáis densasde palabras (temporal word embedings). Estas representacións demostraron súa utilidade paracaptala evolución dos sentimentos asociados as palabras ó longo do tempo [4]. En concretousaremos o algoritmo TWEC proposto no paper Training Temporal Word Embeddings Witha Compass [5] e compararemos os resultados deste algoritmo cos resultados dos presentadosnas edicións do CLEF eRisk 2017 [2] e CLEF eRisk 2018 [3]. | es_ES |
dc.language.iso | glg | es_ES |
dc.rights | Atribución-NoComercial-SinDerivadas 3.0 España | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/es/ | * |
dc.subject | eRisk | es_ES |
dc.subject | Depresión | es_ES |
dc.subject | NLP | es_ES |
dc.subject | Temporal word embeddings | es_ES |
dc.subject | Word2Vec | es_ES |
dc.subject | Redes neuronais recurrentes | es_ES |
dc.subject | Maquinas de soporte vectorial | es_ES |
dc.subject | CBOW | es_ES |
dc.subject | TWEC | es_ES |
dc.subject | Scrum | es_ES |
dc.subject | Compass | es_ES |
dc.subject | Git | es_ES |
dc.title | Detección temperá da depresión mediante temporal word embeddings | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
dc.rights.access | info:eu-repo/semantics/openAccess | es_ES |
dc.description.traballos | Traballo fin de grao (UDC.FIC). Enxeñaría informática. Curso 2020/2021 | es_ES |