Por favor, use este identificador para citar o enlazar este ítem: https://ri-ng.uaq.mx/handle/123456789/7964
Título : Identificación de rasgos asociados a la depresión mediante técnicas de aprendizaje automático y procesamiento de lenguaje natural
Autor(es): Luis Roberto García Noguez
Palabras clave: Ingeniería y Tecnología
Ciencias Tecnológicas
Otras especialidades tecnológicas
Fecha de publicación : 1-feb-2023
Editorial : Ingeniería
Facultad: Facultad de Ingeniería
Programa académico: Maestría en Ciencias en Inteligencia Artificial
Resumen: 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
Aparece en: Maestría en Ciencias en Inteligencia Artificial

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RI007285.pdf1.99 MBAdobe PDFPortada
Visualizar/Abrir


Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.