Parapar, JavierLandín Piñeiro, AlfonsoCouto Pintos, ManuelEnxeñaría informática, Grao en2022-01-272022-01-272021http://hdl.handle.net/2183/29506[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].glgAtribución-NoComercial-SinDerivadas 3.0 Españahttp://creativecommons.org/licenses/by-nc-nd/3.0/es/http://creativecommons.org/licenses/by-nc-nd/3.0/es/eRiskDepresiónNLPTemporal word embeddingsWord2VecRedes neuronais recurrentesMaquinas de soporte vectorialCBOWTWECScrumCompassGitbachelor thesisopen access