Aprendizado de Máquina e Algoritmos de Análise Semântica de Sentimentos para Previsão de Sentimentos Suicidas em Redes Sociais

A análise de sentimentos é um dos novos desafios que surgiram no processamento automático de linguagem com o advento das redes sociais. Aproveitando a quantidade de informação agora disponível, pesquisa e indústria têm buscado maneiras de analisar automaticamente os sentimentos e as opiniões dos usuários expressas nas redes sociais. Neste artigo, nos colocamos em um contexto difícil, sobre os sentimentos que poderiam levar ao pensamento de suicídio. Em particular, propomos abordar a falta de recursos terminológicos relacionados ao suicídio por meio de um método de construção de um vocabulário associado ao suicídio. Em seguida, propomos, para uma melhor análise, investigar o Weka como uma ferramenta de mineração de dados baseada em algoritmos de aprendizado de máquina que podem extrair informações úteis dos dados do Twitter coletados pelo Twitter4J. Portanto, um algoritmo de computação de análise semântica entre tweets no conjunto de treinamento e tweets no conjunto de dados baseado no WordNet é proposto. Resultados experimentais demonstram que nosso método baseado em algoritmos de aprendizado de máquina e análise semântica de sentimentos pode extrair previsões de ideação suicida usando dados do Twitter. Além disso, este trabalho verifica a eficácia do desempenho em termos de precisão e exatidão na análise semântica de sentimentos que poderia levar ao pensamento de suicídio.