
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.creator | Silva, Douglas H. | - |
| Autor(es): dc.creator | Maziero, Erick G. | - |
| Autor(es): dc.creator | Saadi, Muhammad | - |
| Autor(es): dc.creator | Rosa, Renata L. | - |
| Autor(es): dc.creator | Silva, Juan C. | - |
| Autor(es): dc.creator | Rodriguez, Demostenes Z. | - |
| Autor(es): dc.creator | Igorevich, Kostromitin K. | - |
| Data de aceite: dc.date.accessioned | 2026-02-09T12:26:16Z | - |
| Data de disponibilização: dc.date.available | 2026-02-09T12:26:16Z | - |
| Data de envio: dc.date.issued | 2022-07-08 | - |
| Data de envio: dc.date.issued | 2022-07-08 | - |
| Data de envio: dc.date.issued | 2022-01-09 | - |
| Fonte completa do material: dc.identifier | https://repositorio.ufla.br/handle/1/50511 | - |
| Fonte completa do material: dc.identifier | https://link.springer.com/article/10.1007/s12083-021-01269-1 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/1161315 | - |
| Descrição: dc.description | Industrial and academic organizations are using online social network (OSN) for different purposes, such as social and economic aspects. Now, OSN is a new mean of obtaining information from people about their preferences, and interests. Due to the large volume of user-generated content, researchers use various techniques, such as sentiment analysis or data mining to evaluate this information automatically. However, the sentiment analysis of OSN content is performed by different methods, but there are some problems to obtain highly reliable results, mainly because of the lack of user profile information, such as gender and age. In this work, a novel dataset is built, which contains the writing characteristics of 160,000 users of the Twitter OSN. Before creating classification models with Machine Learning (ML) techniques, feature transformation and feature selection methods are applied to determine the most relevant set of characteristics. To create the models, the Classifier Chain (CC) transformation technique and different machine learning algorithms are applied to the training set. Simulation results show that the Random Forest, XGBoost and Decision Tree algorithms obtain the best performance results. In the testing phase, these algorithms reached Hamming Loss values of 0.033, 0.033, and 0.034, respectively, and all of them reached the same F1 micro-average value equal to 0.976. Therefore, our proposal based on a multidimensional learning technique using CC transformation overcomes other similar proposals. | - |
| Idioma: dc.language | en | - |
| Publicador: dc.publisher | Springer | - |
| Direitos: dc.rights | restrictAccess | - |
| ???dc.source???: dc.source | Peer-to-Peer Networking and Applications | - |
| Palavras-chave: dc.subject | Big data | - |
| Palavras-chave: dc.subject | Age-group classifier | - |
| Palavras-chave: dc.subject | Gender classifier | - |
| Palavras-chave: dc.subject | Feature selection | - |
| Palavras-chave: dc.subject | Feature transformation | - |
| Palavras-chave: dc.subject | Multi-label classification | - |
| Título: dc.title | Big data analytics for critical information classification in online social networks using classifier chains | - |
| Tipo de arquivo: dc.type | Artigo | - |
| Aparece nas coleções: | Repositório Institucional da Universidade Federal de Lavras (RIUFLA) | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: