Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Souza, Fabrício Benevenuto de | - |
Autor(es): dc.creator | Lima, Helen de Cássia Sousa da Costa | - |
Data de aceite: dc.date.accessioned | 2019-11-06T13:29:48Z | - |
Data de disponibilização: dc.date.available | 2019-11-06T13:29:48Z | - |
Data de envio: dc.date.issued | 2014-01-17 | - |
Data de envio: dc.date.issued | 2014-01-17 | - |
Data de envio: dc.date.issued | 2013 | - |
Fonte completa do material: dc.identifier | http://www.repositorio.ufop.br/handle/123456789/3413 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/capes/556536 | - |
Descrição: dc.description | Redes sociais baseadas em localização (Location-based Social Networks - LBSNs) são um novo tipo de sistema da Web 2.0 que vem atraindo cada vez mais novos usuários. Redes como Foursquare e Yelp permitem que o usuário compartilhe a sua localização geográfica com sua rede social através de smartphones que possuem GPS, busquem por locais interessantes e também postem avaliações em locais existentes. Ao permitir que os usuários comentem sobre os locais, LBSNs cada vez mais têm que lidar com diferentes formas de ataques, que visam a propaganda de mensagens não solicitadas nas avaliações sobre os locais. Spammers podem prejudicar a confiança dos usuários no sistema, comprometendo assim o seu sucesso em promover interações sociais baseadas em localização. Neste trabalho, investigamos a tarefa de identificar diferentes tipos de spam em avaliações de uma popular LBSN brasileira, chamada Apontador. Com base em uma coleção de avaliações pré-classificada fornecida pelo Apontador e em informações coletadas sobre usuários e locais, identificamos três tipos de avaliações irregulares que denominamos como Comercial local, Boca-suja e Poluidora. Em seguida, utilizamos o nosso estudo de caracterização em uma abordagem de classificação que foi capaz de diferenciá-las com alta precisão. Particularmente, a nossa abordagem de classificação plana foi capaz de detectar corretamente 77% das avaliações comerciais locais, 64% das poluidoras, 50% das bocas-sujas, classificando erroneamente apenas cerca de 5% das avaliações não-spam. Além disso, nossos resultados experimentais mostraram que, mesmo com um pequeno subconjunto de atributos (contendo 10 atributos), a nossa abordagem de classificação foi capaz de atingir uma acurácia alta (75%). Mesmo quando usamos apenas um dos tipos de atributos, como por exemplo atributos de conteúdo, nossa classificação produz benefícios significativos, com acurácia de aproximadamente 68%. __________________________________________________________________________________________ | - |
Publicador: dc.publisher | Programa de Pós-Graduação em Ciência da Computação. Departamento de Ciência da Computação, Instituto de Ciências Exatas e Biológicas, Universidade Federal de Ouro Preto. | - |
Direitos: dc.rights | : A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições. Na qualidade de detentor dos direitos autorais, de acordo com a lei nº 9610/98 autorizo a Universidade Federal de Ouro Preto/ UFOP, a disponibilizar gratuitamente, sem ressarcimento dos direitos autorais, o texto integral da publicação supracitada, em meio eletrônico, na BDTD - Biblioteca Digital de Teses e Dissertações e no Repositório Institucional da UFOP, no formato especificado, para fins de leitura, impressão e/ou download pela Internet, a título de divulgação da produção científica gerada pela Universidade a partir desta data. | - |
Palavras-chave: dc.subject | Redes sociais | - |
Palavras-chave: dc.subject | Spam - mensagem eletrônicas | - |
Palavras-chave: dc.subject | Ciências sociais - análises de redes | - |
Título: dc.title | Detectando avaliações Spam em uma rede social baseada em localização | - |
Aparece nas coleções: | Repositório Institucional - UFOP |
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: