Please use this identifier to cite or link to this item: https://ri-ng.uaq.mx/handle/123456789/7964
Title: Identificación de rasgos asociados a la depresión mediante técnicas de aprendizaje automático y procesamiento de lenguaje natural
metadata.dc.creator: Luis Roberto García Noguez
Keywords: Ingeniería y Tecnología;Ciencias Tecnológicas;Otras especialidades tecnológicas
metadata.dc.date: 1-Feb-2023
Publisher: Ingeniería
Description: En los últimos años, la identificación de rasgos de enfermedad mental en las plataformas de redes sociales se ha vuelto popular con el aumento en el uso de estos sitios de internet. Sin embargo, detectar estos rasgos en pacientes depresivos mediante el uso de herramientas de Inteligencia Artificial resulta complejo debido a ciertas características que dificultan la correcta detección de este tipo de enfermedades, como la similitud de síntomas entre enfermedades mentales similares. Trabajando en este punto, en este estudio se analizaron a los usuarios deprimidos de las redes sociales de la base de datos CLPsych 2015 en función de dos de los tipos más comunes de depresión: el Trastorno Depresivo Mayor y el Trastorno Depresivo Persistente. Para lograrlo, se llevó a cabo un análisis de temporalidad, sintomatológico y emocional para distinguir estos dos tipos de depresión. Asimismo, se usó un modelo CNN para clasificar a los usuarios. Se obtuvieron mejores resultados en base a las métricas de exactitud, puntaje F1, precisión y sensibilidad (85,72 %, 85,45 %, 85,82 % y 85,51 %) para el grupo de usuarios propuestos con características de Trastorno Depresivo Persistente. En general, el clasificar brindó resultados más altos cuando se clasificaron a los usuarios en los dos grupos propuestos en comparación a cuando se clasificar los dos conjuntos unidos. Este estudio es un intento positivo de analizar los rasgos asociados a la depresión en función de dos de los tipos más comunes de esta patología utilizando criterios temporales y emociones distintivas para reducir los sesgos a consecuencia de la falta de especificidad observada en estudios anteriores, lo que supone un avance en la caracterización de sujetos con rasgos de depresión que usan la plataforma Twitter.
URI: https://ri-ng.uaq.mx/handle/123456789/7964
Appears in Collections:Maestría en Ciencias en Inteligencia Artificial

Files in This Item:
File Description SizeFormat 
RI007285.pdf1.99 MBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.