Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Candido Junior, Arnaldo | - |
Autor(es): dc.contributor | Lopes, Rui Pedro Sanches de Castro | - |
Autor(es): dc.contributor | Matos, Paulo Jorge Teixeira | - |
Autor(es): dc.contributor | Amaro, José Carlos Rufino | - |
Autor(es): dc.contributor | Lopes, Rui Pedro Sanches de Castro | - |
Autor(es): dc.creator | Silva, Clístenes Fernandes da | - |
Data de aceite: dc.date.accessioned | 2025-08-29T13:24:25Z | - |
Data de disponibilização: dc.date.available | 2025-08-29T13:24:25Z | - |
Data de envio: dc.date.issued | 2022-10-23 | - |
Data de envio: dc.date.issued | 2022-10-23 | - |
Data de envio: dc.date.issued | 2021-06-12 | - |
Fonte completa do material: dc.identifier | http://repositorio.utfpr.edu.br/jspui/handle/1/29979 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1112726 | - |
Descrição: dc.description | O presente trabalho é resultado de um convênio de dupla diplomação com Instituto Politécnico de Bragança. | - |
Descrição: dc.description | Social media present ways for people to share emotions, feelings, ideas, and even symptoms of disease, and is a great source of data for a variety of analyses. At the end of 2019, an alert was raised for a global pandemic of a virus that has a very high contamination rate and can cause respiratory complications in the contaminated people. To help identify those who may have the symptoms of this disease or to control who are already infected, this paper analyzed the performance of KNN, Naive Bayes, Decision Tree, Random Forest, SVM, simple Multilayer Perceptron, Convolutional Neural Networks and BERT algorithms to classify tweets that contained reports of Covid-19 symptoms or selfreports of infection. The dataset was labeled using a set of disease symptom keywords taken from a list provided by the World Health Organization. The tests on these models showed that the Random Forest algorithm performed best when classifying the tweets in a small dataset. This work demonstrated a superior performance of the Random Forest algorithm over other more robust algorithms for this type of classification and dataset. | - |
Descrição: dc.description | As redes sociais apresentam meios para as pessoas compartilharem emoções, sentimentos, ideias e até sintomas de doenças, e são uma ótima fonte de dados para as mais diversas análises. No final do ano de 2019, um alerta foi levantado para uma pandemia global de um vírus que tem uma taxa de contaminação muito elevada e que pode causar complicações respiratórias nas pessoas contaminadas. Para o auxilio na identificação de pessoas que possam ter os sintomas desssa doença ou o controle das que já estão infectadas, neste trabalho foram analisados os desempenhos dos algoritmos KNN, Naive Bayes, Decision Tree, Random Forest, SVM, Multilayer Perceptron simples, Redes neurais Convolucionais e BERT para classificação de tweets que continham relatos de sintomas do Covid-19 ou auto-declaração de contaminação. O conjunto de dados foi rotulado utilizando um conjunto de palavras chaves dos sintomas da doença retirada de uma lista disponibilizada pela Organização Mundial da Saúde. Os testes nesses modelos mostraram que o algoritmo Random Forest foi o que obteve melhor resultado ao classificar os tweets em uma base de dados pequena. Este trabalho demonstrou o desempenho superior do algoritmo Random Forest sobre outros mais robustos para este tipo de classificação e conjunto de dados. | - |
Formato: dc.format | application/pdf | - |
Idioma: dc.language | pt_BR | - |
Publicador: dc.publisher | Universidade Tecnológica Federal do Paraná | - |
Publicador: dc.publisher | Medianeira | - |
Publicador: dc.publisher | Brasil | - |
Publicador: dc.publisher | Ciência da Computação | - |
Publicador: dc.publisher | UTFPR | - |
Direitos: dc.rights | openAccess | - |
Palavras-chave: dc.subject | Algorítmos computacionais | - |
Palavras-chave: dc.subject | Doenças - Registros de casos | - |
Palavras-chave: dc.subject | Mídia social | - |
Palavras-chave: dc.subject | Computer algorithms | - |
Palavras-chave: dc.subject | Diseases - Reporting | - |
Palavras-chave: dc.subject | Social media | - |
Palavras-chave: dc.subject | CNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO | - |
Título: dc.title | DOTS - Detection of Covid-19 contagion symptoms and self-diagnosis in social networks | - |
Tipo de arquivo: dc.type | livro digital | - |
Aparece nas coleções: | Repositorio Institucional da UTFPR - RIUT |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: