Busca avançada
Ano de início
Entree
(Referência obtida automaticamente do Web of Science, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores.)

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

Texto completo
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]
Número total de Autores: 8
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
Número total de Afiliações: 5
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:José Alberto Cuminato
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