Modeling and Assessing the Temporal Behavior of Emotional and Depressive User Interactions on Social Networks

Autor(es)

Giuntini, Felipe Taliar ^{[1, 2]} ; de Moraes, Kaue L. ^[1] ; Cazzolato, Mirela T. ^[1] ; Kirchner, Luziane de Fatima ^[3] ; Dos Reis, Maria de Jesus D. ^[4] ; Traina, Agma J. M. ^[1] ; Campbell, Andrew T. ^[5] ; Ueyama, Jo ^[1]

Afiliação do(s) autor(es)

^[1] Univ Sao Paulo, Inst Math & Comp Sci, BR-13566590 Sao Carlos - Brazil

^[2] Sidia Inst Sci & Technol, BR-13566590 Manaus, Amazonas - Brazil

^[3] Univ Catolica Dom Bosco, Dept Psychol, BR-79117900 Campo Grande, MS - Brazil

^[4] Univ Fed Sao Carlos, Dept Psychol, BR-13565905 Sao Carlos - Brazil

^[5] Dartmouth Coll, Dept Comp Sci, Hanover, NH 03755 - USA

• Tipo de documento: Artigo Científico
• Fonte: IEEE ACCESS; v. 9, p. 93182-93194, 2021.
• Citações Web of Science: 0

Resumo

The way users interact on social media can indicate their well-being. When depressed, people's feelings tend to be more evident, affecting how users interact and demonstrating their feelings on social media. This paper presents a new approach for the temporal assessment of emotional behavior and interaction among depressed users on social networks. We start by modeling user interactions using complex networks, grouping users through time using the Clauset-Newman-Moore greedy modularity maximization. We evaluate the built networks using metrics such as assortativity, density, clustering, diameter, and shortest path length, closeness, and coverage. Then, we propose EMUS, a method for establishing an emotional user score based on the extraction of emotional features in texts of posts and comments. To extract emotional features, we combine the use of the Empath framework and VADER lexicon. Finally, based on the standard deviation among users, we establish a metric for assessing mood levels. We evaluated users for 33 days, and the results show a sequence of mixed emotional behaviors with high correlations between the number of active users in the network communities, and the form and quality of interactions. The developed approach can be further applied to other database graphs, for different sequential pattern analysis and text-mining contexts. (AU)

• Processo FAPESP: 13/07375-0 - CeMEAI - Centro de Ciências Matemáticas Aplicadas à Indústria
• Beneficiário: Francisco Louzada Neto
• Modalidade de apoio: Auxílio à Pesquisa - Centros de Pesquisa, Inovação e Difusão - CEPIDs
• Processo FAPESP: 20/11258-2 - Consultas por similaridade e interoperabilidade em bases de dados médicos
• Beneficiário: Mirela Teixeira Cazzolato
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Processo FAPESP: 18/24414-2 - Ambiente para integração de técnicas para a extração de características e bases de dados complexos para o projeto MIVisBD
• Beneficiário: Mirela Teixeira Cazzolato
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Processo FAPESP: 18/17335-9 - Explorando DLTs e a inteligência computacional em IoT
• Beneficiário: Jó Ueyama
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Processo FAPESP: 16/17078-0 - Mineração, indexação e visualização de Big Data no contexto de sistemas de apoio à decisão clínica (MIVisBD)
• Beneficiário: Agma Juci Machado Traina
• Modalidade de apoio: Auxílio à Pesquisa - Temático
• Processo FAPESP: 20/07200-9 - Analisando dados complexos vinculados a COVID-19 para apoio à tomada de decisão e prognóstico
• Beneficiário: Agma Juci Machado Traina
• Modalidade de apoio: Auxílio à Pesquisa - Regular