Support for a Chat-Based Intervention to Reduce Alcohol Consumption via Emotion Detection

• Luan Henrique da S. Barbosa UFJF
• Heder S. Bernardino UFJF

DOI: https://doi.org/10.5753/sbcas.2026.21291

Resumo

Harmful alcohol consumption constitutes a public health problem associated with social and health impacts. Chat-based interventions conducted by psychologists emerge as an alternative to reduce the harm caused by alcohol, and text emotion detection can support professionals with additional information. It is expected that identifying emotions will allow consultants to monitor the patient’s emotional state, facilitating more sensitive interventions. Thus, this work evaluates three datasets and five emotion classification models, aiming to provide a basis for the implementation of the service. The TweetEmotions, PlayStoreReviews, and GoEmotions datasets were analyzed, along with Logistic Regression, LinearSVC, Random Forest, XGBoost, and an adjusted BERTimbaubase model, as well as different preprocessing, balancing, and feature engineering strategies. The GoEmotions dataset proved to be the most suitable for the proposed scenario due to its multi-label characteristic. The results indicate consistent performance, with a macro F1-score of 0.40, making it possible to offer professionals an additional resource to support decision-making and contribute to better-targeted care and improved quality of support.

Referências

Batista, H. M. C. d., Paim, A. B., Siqueira, B. S., Ebecken, N. F. F., and Dias, A. C. (2021). Factors that can trigger depression. P2P INOV., 7(2):164–185.

Cavicchio, F. (2025). Emotion Detection in Natural Language Processing. Springer Nature Switzerland.

Cortiz, D., Silva, J., Calegari, N., Freitas, A., Soares, A., Botelho, C., Rêgo, G., Sampaio, W., and Boggio, P. (2021). A weakly supervised dataset of fine-grained emotions in portuguese. In Anais do XIII Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 73–81, Porto Alegre, RS, Brasil. SBC.

Demszky, D., Movshovitz-Attias, D., Ko, J., Cowen, A., Nemade, G., and Ravi, S. (2020). GoEmotions: A dataset of fine-grained emotions. In Jurafsky, D., Chai, J., Schluter, N., and Tetreault, J., editors, Proc. of the Annual Meeting of the Association for Computational Linguistics, pages 4040–4054. Association for Computational Linguistics.

Duarte, L. C. F. (2019). Reconhecimento automático de emoções em texto com recurso a emojis. Doutorado, Universidade de Coimbra, Portugal.

Fernandes, R., Carvalho, R., Junior, O. F., Portugal, L., and Ramos, T. (2025). Um classificador explicável para transtorno de estresse pós-traumático utilizando redes neurais convolucionais tridimensionais. In Anais do XXV Simpósio Brasileiro de Computação Aplicada à Saúde, pages 236–247, Porto Alegre, RS, Brasil. SBC.

Foppa, Alexandre e Barbosa, J. (2025). Um modelo computacional para análise de depressão em dados de redes sociais. In Anais do XXV Simpósio Brasileiro de Computação Aplicada à Saúde, pages 92–103, Porto Alegre, RS, Brasil. SBC.

Hammes, Luiz e Freitas, L. (2021). Utilizando bertimbau para a classificação de emoções em português. In Anais do XIII Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 56–63, Porto Alegre, RS, Brasil. SBC.

Henz, M., Heckler, W., and Barbosa, J. (2025). Uma avaliação da capacidade de modelos de linguagem para análise de sentimentos em um contexto de saúde mental. In Anais do XXV Simpósio Brasileiro de Computação Aplicada à Saúde, pages 293–304, Porto Alegre, RS, Brasil. SBC.

Matei-Mitacu, L.-M., Hut,ul, T.-D., Karner-Hut,uleac, A., Hut,ul, A., and Dobria, C.-A. (2024). The role of alcohol consumption motives in the relationships between psychological distress, emotional dysregulation, and problematic alcohol consumption. a mediation model. Current Psychology, 43(48):36831–36845.

Mendes, R., Tavares, S., Campos, L., and Araújo, F. (2024). Mineração de emoções multirrótulo em textos curtos. In Anais do XV Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana, pages 445–450, Porto Alegre, RS, Brasil. SBC.

Ministério da Saúde (2023). Vigitel brasil 2006-2023: tabagismo e consumo abusivo de álcool.

OECD (2021). Preventing Harmful Alcohol Use. OECD Publishing, Paris.

Pereira, D. A. (2021). A survey of sentiment analysis in the portuguese language. Artif. Intell. Rev., 54(2):1087–1115.

Schroeder, G., Paula, L., Francisco, R., and Barbosa, J. (2025). A-track: An ontological approach to assisting anxiety management. In Anais do XXV Simpósio Brasileiro de Computação Aplicada à Saúde, pages 44–55, Porto Alegre, RS, Brasil. SBC.

Siqueira, V., Costa, R. H., Soares, T., Lunardi, G., and Silva, W. (2024). Dataset anotado de sentimentos a partir de comentários de aplicativos móveis. In Anais do VI Dataset Showcase Workshop, pages 65–76, Porto Alegre, RS, Brasil. SBC.

World Health Organization (2024). Global status report on alcohol and health and treatment of substance use disorders.

Zhang, M.-L., Li, Y.-K., Liu, X.-Y., and Geng, X. (2018). Binary relevance for multi-label learning: an overview. Frontiers of Computer Science, 12(2):191–202.