Виявлення ранніх симптомів депресій на основі логічних висновків

Скорочена інформація про документ
dc.contributor.advisorБеспала, Ольга Миколаївна
dc.contributor.authorПлетньова, Софія Сергіївна
dc.date.accessioned2024-09-04T07:56:33Z
dc.date.available2024-09-04T07:56:33Z
dc.date.issued2024
dc.descriptionПрограма для виявлення ранніх стадій депресії аналізує текстові дані користувачів. Використано сучасні алгоритми обробки природної мови (NLP) та моделі машинного навчання для виявлення ранніх депресивний ознак у тексті. Основні методи включають попередню обробку тексту, яка охоплює нормалізацію, токенізацію, лемантизацію та видалення стоп-слів. Після цього проводиться векторизація, для приведення даних у числовий формат, та аналіз тональності за допомогою моделі машинного навчання, як Наївний Байєс (Naive Bayes), для визначення емоційного забарвлення тексту. Для виявлення ознак депресії програма аналізує вживані слова і фрази, які можуть вказувати на депресивні стани, та використовує логічні висновки для ідентифікації патернів, що свідчать про депресію. Основні бібліотеки, які використовуються, включають NLTK для обробки тексту, scikit-learn для векторизації, машинного навчання та моделювання та Pandas для роботи з даними. Результати програми дозволяють виявляти ранні ознаки депресії з високою точністю, забезпечуючи своєчасне підтримку та інтервенцію для користувачів, що допомагає знизити ризик розвитку серйозних депресивних розладів.
dc.description.abstractДипломна робота виконана на 58 сторінках, містить 20 ілюстрацій, 5 таблиць, 1 додаток, 23 джерел в переліку посилань. Мета роботи – створення веб-застосунку з використанням існуючих методів аналізу текстів для розпізнавання патернів у емоційній поведінці людини та їх ефективності у виявленні ранніх симптомів депресії. Методи та засоби: мова програмування Python, бібліотека машинного навчання Scikit-learn, модель кількісного оцінювання слів у наборі текстів природною мовою TF-IDF, допоміжний фреймворк Flask та бібліотека для обробки природної мови NLTK. Результат – програмний інструментарій для виявлення ранніх симптомів депресій у текстах.
dc.description.abstractotherThe thesis consists of 58 pages, 20 illustrations, 5 tables, 1 appendix, 23 sources in the list of references. The main purpose of the work is to create a web application using existing text analysis methods to recognise patterns in human emotional behaviour and their effectiveness in detecting early symptoms of depression. Methods and tools: Python programming language, Scikit-learn machine learning library, TF-IDF model for quantifying words in a natural language text set, Flask auxiliary framework, and NLTK natural language processing library. The result is a software toolkit for detecting early symptoms of depression in texts.
dc.format.extent58 с.
dc.identifier.citationПлетньова, С. С. Виявлення ранніх симптомів депресій на основі логічних висновків : дипломна робота … бакалавра : 122 Комп’ютерні науки / Плетньова Софія Сергіївна. – Київ, 2024. – 58 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/68735
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.titleВиявлення ранніх симптомів депресій на основі логічних висновків
dc.typeBachelor Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Pletnova_bakalavr.pdf
Розмір:
1.61 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Бакалаврські роботи (ЦТЕ)
Бакалаврські роботи