Mineração de texto e wavelets aplicadas na classificação de contas em redes sociais digitais

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorBarbon Junior, Sylvio [Orientador]-
Autor(es): dc.contributorZarpelão, Bruno Bogaz-
Autor(es): dc.contributorFelinto, Alan Salvany-
Autor(es): dc.contributorParaiso, Emerson Cabrera-
Autor(es): dc.creatorIgawa, Rodrigo Augusto-
Data de aceite: dc.date.accessioned2025-05-15T13:15:09Z-
Data de disponibilização: dc.date.available2025-05-15T13:15:09Z-
Data de envio: dc.date.issued2024-05-01-
Data de envio: dc.date.issued2024-05-01-
Data de envio: dc.date.issued2025-05-15-
Data de envio: dc.date.issued2025-05-15-
Fonte completa do material: dc.identifierhttps://repositorio.uel.br/handle/123456789/14776-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/982999-
Descrição: dc.descriptionResumo: Para auxiliar a descoberta de fraudes em Redes Sociais Digitais (RSD), este trabalho propõe um modelo para classificação de contas de usuários baseada na Transformada Discreta Wavelet para caracterização do conteúdo textual O principal objetivo da classificação é distinguir os padrões das classes em: Humanos, Cyborgs ou Bots A abordagem proposta analisa a distribuição dos termos chaves da base de dados utilizada e visa manter o custo computacional adequado para RSD Para a caracterização dos documentos em um processo de discretização, este trabalho propõe um novo esquema de peso chamado Lexicon Based Coefficient Attenuation (LBCA) A etapa de classificação é efetuada por meio do uso dos classificadores Random Forests e Perceptron Multi-Camadas Os experimentos foram realizados com um conjunto de postagem obtidas durante os jogos da Copa do Mundo da FIFA de 214 Os resultados mostraram que o modelo proposto obteve acurácias variando entre 94% e 1% na classificação entre as classes, permitindo a validação da discretização por meio das wavelets e com a contribuição do novo esquema de pesagem, adequado ao cenário das RSD-
Descrição: dc.descriptionDissertação (Mestrado em Ciência da Computação) - Universidade Estadual de Londrina, Centro de Ciências Exatas, Programa de Pós-Graduação em Ciência da Computação-
Descrição: dc.descriptionAbstract: This work proposes a model to accounts classification according to its textual content and is grounded on Discrete Wavelets Transforms Classification Task is mainly focused to match Online Social Networks accounts as Humans, Cyborgs or Bots The proposed approach takes on consideration key terms frequency distribution and aims to maintain computational costs suitable In order to aid the binning process, this work also proposes a new weighting scheme called Lexicon Based Coefficient Attenuation (LBCA) Classification step is carried out by using Multilayer Perceptrons and RandomForestsExperiments were performed on dataset crawled during 214 FIFA World Cup Brazil Results showed that proposed model achieved accuracies ranging from 94% to 1% which allows the validation of Discrete Wavelets Transforms along the proposed weighting scheme, suitable to Online Social Networks-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Relação: dc.relationMestrado-
Relação: dc.relationCiência da Computação-
Relação: dc.relationCentro de Ciências Exatas-
Relação: dc.relationPrograma de Pós-Graduação em Ciência da Computação-
Palavras-chave: dc.subjectMineração de dados (Computação)-
Palavras-chave: dc.subjectProcessamento de imagens-
Palavras-chave: dc.subjectTécnicas digitais-
Palavras-chave: dc.subjectRedes sociais on-line-
Palavras-chave: dc.subjectWavelets (Matemática)-
Palavras-chave: dc.subjectData mining (Computing)-
Palavras-chave: dc.subjectDigital techniques-
Palavras-chave: dc.subjectOnline social networks-
Palavras-chave: dc.subjectWavelets (Mathematics)-
Palavras-chave: dc.subjectImage processing-
Título: dc.titleMineração de texto e wavelets aplicadas na classificação de contas em redes sociais digitais-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional da UEL - RIUEL

Não existem arquivos associados a este item.