Uma Avaliação de Estratégias de Detecção de Conteúdo de Baixa Qualidade: Quais Atributos Ainda São Relevantes?

Autores

  • Júlio Resende Universidade Federal de São João Del Rei
  • Igor Moraes Universidade Federal de São João Del Rei
  • Leonardo Rocha Universidade Federal de São João Del Rei https://orcid.org/0000-0002-4913-4902

Palavras-chave:

Detecção de Spam, Mineração de Dados, Máquina de Aprendizagem

Resumo

Milhões de usuários passaram a contar com a ampla gama de serviços fornecidos pelas Redes Sociais. Entretanto, a facilidade em utilizar essas redes para comunicação tornaram as mesmas vulneráveis a usuários mal intencionados (spammers), que têm objetivo de proliferar diferentes tipos de dados maliciosos ou difundir conteúdos de baixa qualidade (spams). Um dos principais exemplos dessas aplicações é o Twitter, para o qual diversas estratégias de detecção de spams vêm sendo propostas. No presente trabalho, realizamos uma pesquisa bibliográfica dessas estratégias. Por meio de uma avaliação experimental identificamos quais delas ainda são aplicáveis no cenário atual, considerando que o Twitter vem passando por mudanças constantemente.

Downloads

Não há dados estatísticos.

Biografia do Autor

Leonardo Rocha, Universidade Federal de São João Del Rei

Possui graduação em Ciência da Computação pela Universidade Federal de Minas Gerais (2003) e mestrado em Ciência da Computação pela Universidade Federal de Minas Gerais (2005). Doutor em Ciência da Computação também formado na Universidade Federal de Minas Gerais (2009). Tem experiência na área de Ciência da Computação, com ênfase em planejamento de capacidade, mineração de dados, banco de dados e recuperação de informação. Atualmente é Professor Associado do Departamento de Ciência da Computação da Universidade Federal de São João Del Rei

Downloads

Publicado

2020-11-15