Comparação de Classificadores para o problema de Cross-system Personalization em Redes Sociais

##plugins.themes.bootstrap3.article.main##

João Marcos Mareto Calado, Sr
http://orcid.org/0000-0002-6866-5370
Jefferson Oliveira Andrade, Dr
http://orcid.org/0000-0002-5321-9239
Karin Satie Komati, Drª
http://orcid.org/0000-0001-5677-4724

Resumo

As redes sociais abrem a possibilidade de usar os dados públicos dos usuários para melhorar a customização ou antecipação de serviços, marketing individualizado, dentre outras aplicações. Cruzar dados do mesmo usuário entre diferentes redes sociais amplia o conhecimento acerca do usuário.  Entretanto, diferentes perfis de um mesmo usuário  em redes sociais distintas, frequentemente apresentam inconsistências entre campos, tais como não apresentarem o mesmo nome ou o mesmo endereço, o que torna a identificação cruzada difícil. A proposta deste artigo é usar a abordagem de aprendizado de máquina e comparar, dentre oito algoritmos de classificação, regressão logística, LDA, KNN, Ãrvore de decisão, Naive Bayes, SVM, AdaBoost e XGBoost, aquele que obtém o melhor desempenho na tarefa de ligação de perfis de usuários em diferentes bases de dados. Conseguiu-se replicar, e superar em alguns casos, os resultados de acurácia relatados na literatura. Atingiu-se acurácia de 0,96 no melhor caso com Ada Boost e XGBoost. 

##plugins.themes.bootstrap3.article.details##

Seção
Artigos
Biografia do Autor

João Marcos Mareto Calado, Sr, Instituto Federal do Espírito Santo

Possui graduação em Análise e Desenvolvimento de Sistemas pelo Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo(2013). Atualmente é Analista de Tecnologia da Informação do Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo. Tem experiência na área de Ciência da Computação, com ênfase em Metodologia e Técnicas da Computação.

Jefferson Oliveira Andrade, Dr, Instituto Federal do Espírito Santo

Jefferson Oliveira Andrade recebeu o título de Engenheiro de Computação em 1995, e o título de Mestre em Informática em 2001, ambos pela Universidade Federal do Espírito Santo. Ele possui vários anos de experiência como líder de equipes em projetos de desenvolvimento de software, tanto em empresas locais quanto multinacionais no Brasil. De 2005 a 2008 foi membro do Programming Logic Group, na Universidade de Tsukuba, no Japão. Em 2013 recebeu seu Doutorado em Educação pela Universidad del Norte, no Paraguai (revalidado pela UFPR em 2016), pela sua pesquisa sobre a aplicação de gamificação no ensino de lógica formal a alunos de graduação do curso de Sistemas de Informação. Atualmente o Dr. Andrade é professor titular do Campus Serra do Instituto Federal do Espírito Santo, onde faz parte do Programa de Pós-graduação em Computação Aplicada. Seus interesses de pesquisa incluem aplicações de ciência de dados, métodos formais de desenvolvimento de software, verificação formal de sistemas, verificação de modelos, lógicas multi-valoradas e probabilísticas, ensino de lógica e de métodos formais.

Karin Satie Komati, Drª, Instituto Federal do Espírito Santo

Karin Komati é professora do Instituto Federal do Espírito Santo desde 2012 e atual Coordenadora do Mestrado em Computação Aplicada do Campus Serra. Possui formação acadêmica com graduações em: bacharelado em Ciência da Computação pela UFES, e graduação em Engenharia Elétrica pela UFES. Estas duas áreas se refletem na pós-graduação, pois é Doutora em Engenharia Elétrica pela UFES e é Mestre em Informática pela UFES. Atua em docência do ensino superior desde 1998, trabalhando em diversas instituições privadas e públicas. Já atuou como analista de sistemas da empresa multinacional e sócia-proprietária de micro-empresa de prestação de serviços em desenvolvimento de sistemas. A área de pesquisa se concentra em Processamento Digital de Imagens, Reconhecimento de Padrões e Banco de Dados. É líder do grupo Nu[Tec]² (http://dgp.cnpq.br/dgp/espelhogrupo/36297). Foi Diretora de Pesquisa, Pós-graduação e Extensão por mais de 3 anos, responsável pelo Núcleo Incubador do Campus Serra (NIS), depois foi coordenadora de pesquisa e liderou as duas propostas de novos cursos de pós-graduação "Mestrado Profissional em Engenharia de Controle e Automação" submetida à CAPES em 2014 e aprovada na 155ª reunião do CTC-ES da CAPES e o "Mestrado Profissional em Computação Aplicada" submetida à CAPES em 2017 e aprovada na 179ª reunião do CTC-ES da CAPES.