Publicação
Sistema de Deteção de Surtos através do Twitter
| datacite.subject.fos | Engenharia e Tecnologia::Outras Engenharias e Tecnologias | pt_PT |
| dc.contributor.advisor | Antunes, Mário João Gonçalves | |
| dc.contributor.advisor | Silva, Catarina Helena Branco Simões da | |
| dc.contributor.author | Cunha, João Filipe da Silva | |
| dc.date.accessioned | 2020-02-17T14:22:34Z | |
| dc.date.available | 2020-02-17T14:22:34Z | |
| dc.date.issued | 2019-12-12 | |
| dc.description.abstract | O presente trabalho, teve como objetivo a construção de um sistema de deteção de surtos, nomeadamente de sarampo, com dados recolhidos a partir da rede social Twitter utilizando uma plataforma Web para executar algoritmos de Machine Learning. Com os modelos resultantes, pretendeu-se detetar em tempo real a ocorrência de surtos de sarampo (ou outras doenças) providenciando uma ferramenta útil para fins de monitorização da saúde pública. Foram utilizados vários datasets de diferentes dimensões e quatro algoritmos: LinearSVC, Multiplayer Perceptron, Random Forest e Logistic Regression. À exceção do Random Forest todos os algoritmos conseguiram um bom desempenho na deteção de surtos de sarampo, mas constatou-se que para tal é necessário ter um dataset com muitos tweets e, sobretudo, com igual número de tweets em ambas as classes (surto e não surto). | pt_PT |
| dc.identifier.tid | 202444406 | pt_PT |
| dc.identifier.uri | http://hdl.handle.net/10400.8/4668 | |
| dc.language.iso | eng | pt_PT |
| dc.subject | pt_PT | |
| dc.subject | Machine learning | pt_PT |
| dc.subject | Deteção de surtos | pt_PT |
| dc.subject | Data mining | pt_PT |
| dc.subject | Saúde | pt_PT |
| dc.subject | Epidemiologia | pt_PT |
| dc.title | Sistema de Deteção de Surtos através do Twitter | pt_PT |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| rcaap.rights | openAccess | pt_PT |
| rcaap.type | masterThesis | pt_PT |
| thesis.degree.name | Mestrado em Gestão de Sistemas de Informação Médica | pt_PT |
Ficheiros
Principais
1 - 1 de 1
A carregar...
- Nome:
- dissertação_mestrado MGSIM_Joao_Cunha.pdf
- Tamanho:
- 1.27 MB
- Formato:
- Adobe Portable Document Format
- Descrição:
Licença
1 - 1 de 1
Miniatura indisponível
- Nome:
- license.txt
- Tamanho:
- 1.32 KB
- Formato:
- Item-specific license agreed upon to submission
- Descrição: