Normal view MARC view ISBD view

Machine learning-based approach to predict symptoms of depression in people using twitter / (Record no. 172710)

MARC details
000 -LEADER
fixed length control field	07136namaa22004211i 4500
003 - CONTROL NUMBER IDENTIFIER
control field	OSt
005 - أخر تعامل مع التسجيلة
control field	20250807112043.0
008 - FIXED-LENGTH DATA ELEMENTS--GENERAL INFORMATION
fixed length control field	250623s2024 ua a\|\|\|frm\|\|\| 000 0 eng d
040 ## - CATALOGING SOURCE
Original cataloguing agency	EG-GICUC
Language of cataloging	eng
Transcribing agency	EG-GICUC
Modifying agency	EG-GICUC
Description conventions	rda
041 0# - LANGUAGE CODE
Language code of text/sound track or separate title	eng
Language code of summary or abstract	eng
--	ara
049 ## - Acquisition Source
Acquisition Source	Deposit
082 04 - DEWEY DECIMAL CLASSIFICATION NUMBER
Classification number	006.31
092 ## - LOCALLY ASSIGNED DEWEY CALL NUMBER (OCLC)
Classification number	006.31
Edition number	21
097 ## - Degree
Degree	M.Sc
099 ## - LOCAL FREE-TEXT CALL NUMBER (OCLC)
Local Call Number	Cai01.18.07.M.Sc.2024.Ra.M
100 0# - MAIN ENTRY--PERSONAL NAME
Authority record control number or standard number	Radwa Nazmy Abdelsamea Nassar,
Preparation	preparation.
245 10 - TITLE STATEMENT
Title	Machine learning-based approach to predict symptoms of depression in people using twitter /
Statement of responsibility, etc.	by Radwa Nazmy Abdelsamea Nassar ; Supervised Prof. Nagy Ramdan, Dr. AbdelMoneim Helmy.
246 15 - VARYING FORM OF TITLE
Title proper/short title	نهج قائم على التعلم الآلي للتنبؤ بأعراض الإكتئاب لدى الأشخاص بإستخدام منصة تويتر
264 #0 - PRODUCTION, PUBLICATION, DISTRIBUTION, MANUFACTURE, AND COPYRIGHT NOTICE
Date of production, publication, distribution, manufacture, or copyright notice	2024.
300 ## - PHYSICAL DESCRIPTION
Extent	147 leaves :
Other physical details	illustrations ;
Dimensions	30 cm. +
Accompanying material	CD.
336 ## - CONTENT TYPE
Content type term	text
Source	rda content
337 ## - MEDIA TYPE
Media type term	Unmediated
Source	rdamedia
338 ## - CARRIER TYPE
Carrier type term	volume
Source	rdacarrier
502 ## - DISSERTATION NOTE
Dissertation note	Thesis (M.Sc)-Cairo University, 2024.
504 ## - BIBLIOGRAPHY, ETC. NOTE
Bibliography, etc. note	Bibliography: pages 132-147.
520 #3 - SUMMARY, ETC.
Summary, etc.	Since depression frequently leads to suicidal thoughts and leaves a person severely incapacitated daily, mental health issues resulting from depression increase the chance of premature mortality. As such, the mental disease of the patient must be determined as soon as feasible. Social media platforms are rich sources of early depression identification since people are using them more and more to broadcast daily activities and voice their thoughts.<br/>Arabic and English are two extensively utilized languages for exchanging content on social media platforms. First, at the level of the Arabic language, the ability to predict depression in the Arabic text is relatively limited. Determining depression in Arabic material is difficult due to the language's grammatical structure, the wide variety of dialects, and the scarcity of available Arabic depression corpus. Thus, it should be mentioned that, in contrast to other languages, the number of studies on depression prediction in Arabic has grown slowly. Second, at the level of English language deficiencies, there is a lack of published English depression corpora, and data balancing needs to be considered. <br/>This thesis makes several significant contributions. First, this thesis introduced a manually labeled corpus of 10000 Arabic tweets and an automatically annotated corpus of 57391 English tweets. Both corpora contained a variety of melancholy and joyful phrases in addition to neutral tweets and negation terms considered. Second, it uses Twitter tweets to provide five machine-learning models for depression prediction in both English and Arabic. Regarding (depressed and non-depressed) classification, the optimal model for Arabic tweets had an f1-score of 96.6%. The ideal model obtained 87% for binary classification and 85% for classes (happy, indifferent, and depressed) classification for English corpus. Lastly, this thesis introduces a depression-prediction online application that employs the most effective models to identify tweets containing symptoms of depression and forecast depression trends for a user of either Arabic or English.
520 #3 - SUMMARY, ETC.
Summary, etc.	نظرًا لأن الاكتئاب يؤدي غالبًا إلى أفكار انتحارية ويترك الشخص عاجزًا بشكل كبير يوميًا، فإن مشاكل الصحة العقلية الناتجة عن الاكتئاب تزيد من فرصة الوفاة المبكرة. وعلى هذا النحو، يجب تحديد المرض النفسي اوالعقلي للمريض في أقرب وقت ممكن. تعد منصات التواصل الاجتماعي مصادر غنية للتعرف المبكر على الاكتئاب حيث يستخدمها الناس بشكل متزايد لبث الأنشطة اليومية والتعبير عن أفكارهم.<br/>العربية والإنجليزية لغتان مستخدمتان على نطاق واسع لتبادل المحتوى على منصات التواصل الاجتماعي. أولاً، على مستوى اللغة العربية، فإن القدرة على اكتشاف الاكتئاب في النص العربي محدودة نسبيًا. إن تحديد الاكتئاب في البيانات العربية أمر صعب بسبب البنية النحوية للغة، والتنوع الواسع في اللهجات، وندرة بيانات الاكتئاب بالعربية. وبالتالي، يجب أن نذكر أنه على النقيض من اللغات الأخرى، فإن عدد الدراسات حول التنبؤ بالاكتئاب في اللغة العربية قد نما ببطء. ثانيًا، على مستوى أوجه القصور في اللغة الإنجليزية، هناك نقص في مجموعات الاكتئاب الإنجليزية المنشورة، ويجب مراعاة موازنة البيانات.<br/>تقدم هذه الأطروحة العديد من المساهمات المهمة. أولاً، توفر تغريدات تويتر للإستخدام مع خمسة نماذج للتعلم الآلي لتشخيص الاكتئاب باللغتين الإنجليزية والعربية. فيما يتعلق بالتصنيف (المكتئب وغير المكتئب)، كان للنموذج الأمثل للتغريدات العربية درجة f1 بنسبة 96.6٪. حصل النموذج المثالي على 87٪ للتصنيف الثنائي و85٪ للتصنيف المتعدد (السعيد واللامبالي والمكتئب) للتغريدات الإنجليزية. ثانيًا، قدمت هذه الأطروحة مجموعة تتكون من 10000 تغريدة عربية من تويتر مُعلَّمة يدويًا ومجموعة تتكون من 57391 تغريدة إنجليزية إلكترونية. احتوى كلا المجموعتين على مجموعة متنوعة من العبارات الحزينة والمبهجة بالإضافة إلى التغريدات المحايدة ومصطلحات النفي المدروسة. أخيرًا، تقدم هذه الأطروحة تطبيقًا عبر الإنترنت للتنبؤ بالاكتئاب يستخدم النماذج الأكثر فعالية لتحديد التغريدات التي تحتوي على أعراض الاكتئاب والتنبؤ باتجاهات الاكتئاب لمستخدمي اللغة العربية أو الإنجليزية.
530 ## - ADDITIONAL PHYSICAL FORM AVAILABLE NOTE
Issues CD	Issues also as CD.
546 ## - LANGUAGE NOTE
Text Language	Text in English and abstract in Arabic & English.
650 #0 - SUBJECT ADDED ENTRY--TOPICAL TERM
Topical term or geographic name entry element	Machine Learning
653 #1 - INDEX TERM--UNCONTROLLED
Uncontrolled term	Depression prediction
--	Anxiety
--	Suicide
--	Machine learning
--	text mining
--	Sentiment analysis
700 0# - ADDED ENTRY--PERSONAL NAME
Personal name	Nagy Ramdan
Relator term	thesis advisor.
700 0# - ADDED ENTRY--PERSONAL NAME
Personal name	AbdelMoneim Helmy
Relator term	thesis advisor.
900 ## - Thesis Information
Grant date	01-01-2024
Supervisory body	Nagy Ramdan
--	AbdelMoneim Helmy
Universities	Cairo University
Faculties	Faculty of Graduate Studies for Statistical Research
Department	Department of Information Systems & Technology
905 ## - Cataloger and Reviser Names
Cataloger Name	Shimaa
Reviser Names	Eman Ghareb
942 ## - ADDED ENTRY ELEMENTS (KOHA)
Source of classification or shelving scheme	Dewey Decimal Classification
Koha item type	Thesis
Edition	21
Suppress in OPAC	No

Holdings
Source of classification or shelving scheme	Home library	Current library	Date acquired	Inventory number	Full call number	Barcode	Date last seen	Effective from	Koha item type
Dewey Decimal Classification	المكتبة المركزبة الجديدة - جامعة القاهرة	قاعة الرسائل الجامعية - الدور الاول	23.06.2025	91686	Cai01.18.07.M.Sc.2024.Ra.M	01010110091686000	23.06.2025	23.06.2025	Thesis

جامعة القاهرة

المكتبة المركزية الجديدة

مكتبة جامعة القاهرة الأهلية

Machine learning-based approach to predict symptoms of depression in people using twitter / (Record no. 172710)