Detectando avaliações Spam em uma rede social baseada em localização

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorSouza, Fabrício Benevenuto de-
Autor(es): dc.creatorLima, Helen de Cássia Sousa da Costa-
Data de aceite: dc.date.accessioned2019-11-06T13:29:48Z-
Data de disponibilização: dc.date.available2019-11-06T13:29:48Z-
Data de envio: dc.date.issued2014-01-17-
Data de envio: dc.date.issued2014-01-17-
Data de envio: dc.date.issued2013-
Fonte completa do material: dc.identifierhttp://www.repositorio.ufop.br/handle/123456789/3413-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/556536-
Descrição: dc.descriptionRedes 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.publisherPrograma 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.subjectRedes sociais-
Palavras-chave: dc.subjectSpam - mensagem eletrônicas-
Palavras-chave: dc.subjectCiências sociais - análises de redes-
Título: dc.titleDetectando avaliações Spam em uma rede social baseada em localização-
Aparece nas coleções:Repositório Institucional - UFOP

Não existem arquivos associados a este item.