DepressSet: Um conjunto de dados de análises textuais sobre postagens depressivas

• Silas Lima Filho UFRJ
• Eliel Roger da Silva UFRJ
• Jonice Oliveira UFRJ
• Mônica Ferreira da Silva UFRJ

DOI: https://doi.org/10.5753/brasnam.2024.2774

Resumo

Mídias sociais podem ser úteis para buscar ajuda, ou orientação sobre como lidar, ou para entender melhor o transtorno depressivo. No entanto, lidar com dados sobre tal transtorno pode ser um desafio pela sensibilidade do domínio do conteúdo, ou mesmo pela dificuldade de encontrar dados a respeito do tema. Neste trabalho apresentamos um conjunto de dados coletados de comunidades sobre depressão no Facebook no mês de Setembro de 2022. Especificamos a extração, tratamento, armazenamento e abertura dos dados, com suas limitações, desafios e aprendizados. Enriquecemos os dados capturados com análises linguísticas das postagens, e também com a predição de cada postagem utilizando um modelo de classificação textual. Finalmente, encaminhamos propostas de potenciais aplicações do conjunto de dados e suas limitações.

Referências

Chou, W.-Y. S., Gaysynsky, A., Trivedi, N., e Vanderpool, R. C. (2021). Using social media for health: National data from hints 2019. Journal of Health Communication, 26(3):184193.

De Choudhury, M. (2014). Opportunities of social media in health and well-being. XRDS, 21(2):2327.

Giuntini, F. T., Cazzolato, M. T., de Jesus Dutra dos Reis, M., Campbell, A. T., Traina, A. J. M., e Ueyama, J. (2020). A review on recognizing depression in social networks: challenges and opportunities. Journal of Ambient Intelligence and Humanized Computing, 11:1–17.

Gonçalves, M. V., dos Santos, J., Ferreira, C., Zavaleta, J., Cruz, S., e Oliveira, J. (2021). Datasets curados e enriquecidos com proveniência da campanha nacional de vacinação contra covid-19. pp. 148–159.

Lima Filho., S., Ferreira da Silva., M., e Oliveira., J. (2024). A systematic analysis of depression-related discourse within facebook: A comparison between brazilian and american communities. In Proceedings of the 17th International Joint Conference on Biomedical Engineering Systems and Technologies - HEALTHINF, pp. 466–473. INSTICC, SciTePress.

Low, D. M., Rumker, L., Torous, J., Cecchi, G., Ghosh, S. S., e Talkar, T. (2020). Natural language processing reveals vulnerable mental health support groups and heightened health anxiety on reddit during covid-19: Observational study. Journal of medical Internet research, 22(10):e22635.

P. Lima Filho, S., Ferreira da Silva, M., Oliveira, J., e Ruback, L. (2022). A study about gathering features in depression detection problem with health professionals community. iSys - Brazilian Journal of Information Systems, 15(1):10:110:26.

Reimers, N. e Gurevych, I. (2019). Sentence-bert: Sentence embeddings using siamese bert-networks. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing. Association for Computational Linguistics.

Ríssola, E. A., Bahrainian, S. A., e Crestani, F. (2020). A dataset for research on depression in social media. Proceedings of the 28th ACM Conference on User Modeling, Adaptation and Personalization.

Shing, H.-C., Nair, S., Zirikly, A., Friedenberg, M., Daumé III, H., e Resnik, P. (2018). Expert, crowdsourced, and machine assessment of suicide risk via online postings. In Loveys, K., Niederhoffer, K., Prud’hommeaux, E., Resnik, R., e Resnik, P., editors, Proceedings of the Fifth Workshop on Computational Linguistics and Clinical Psychology: From Keyboard to Clinic, pp. 25–36, New Orleans, LA. Association for Computational Linguistics.

Yen, S.-C., Chu, K.-C., e Tsai, P.-Y. (2021). Prediction model of social network suicide ideation by small sample. In 2021 IEEE 22nd International Conference on Information Reuse and Integration for Data Science (IRI), pp. 385–389. IEEE.