Transtornos de saúde mental como depressão e ansiedade têm se tornado cada vez mais comuns em decorrência do ritmo de vida imposto pela sociedade moderna, afetando milhões de pessoas ao redor do mundo. Estes transtornos geram graves consequências comportamentais, refletindo na forma como os indivíduos se expressam e interagem socialmente. Pesquisas recentes nas áreas de Processamento de Língua Natural (PLN) e redes sociais têm utilizado métodos computacionais para estudar o comportamento e explorar o conteúdo gerado por usuários de mídias sociais, como o Twitter, em busca de reconhecer padrões que auxiliem a identificação de indivíduos que sofrem com estes tipos de transtornos. Modelos computacionais existentes para predição de transtornos de saúde mental frequentemente utilizam o conteúdo gerado pelos usuários nas redes sociais, principalmente na forma de textos. No entanto, este tipo de informação é esparsa e pode não ser suficiente para o desenvolvimento de modelos robustos. Por outro lado, estudos indicam que atributos extra-linguísticos podem conter conhecimento importante acerca de indivíduos com estes transtornos, como dados demográficos e de atividade, características comportamentais e atributos de rede e relacionamento, conforme sugerem os efeitos da homofilia. Este trabalho apresenta uma pesquisa de nível de mestrado acadêmico cujo objetivo principal é propor e desenvolver modelos computacionais para o reconhecimento de transtornos do tipo depressão e ansiedade a partir de dados do Twitter em português, abordando o conhecimento extra-linguístico disponível na rede social.

Mental health disorders such as depression and anxiety have become increasingly common as a result of the pace of life imposed by modern society, affecting millions of people around the world. These disorders generate serious behavioral consequences, reflecting on the way individuals express themselves and interact socially. Recent research in Natural Language Processing (NLP) and social networks has used computational methods to study behavior and explore content generated by users of social media, such as Twitter, in order to recognize patterns that help identify individuals who suffer from these kind of disorders. Existing computational models for predicting mental health disorders often use user-generated content on social networks, mainly in the form of texts. However, this kind of information is sparse and may not be sufficient for the development of robust models. On the other hand, studies indicate that extra-linguistic attributes may contain important knowledge about individuals with these disorders, such as demographic and activity data, behavioral characteristics and network and relationship attributes, as suggested by the effects of homophilia. This work presents an academic master's-level research that aims to propose and develop computational models for the recognition of depression and anxiety disorders from Twitter data in Portuguese, addressing extra-linguistic knowledge available on the social network.