Criado por Administrator em seg, 25/08/2014 - 15:22
Fernanda Mafia
Um aplicativo sobrecarregado de spam pode atrapalhar a experiência do usuário, prejudicar a sua confiança com o sistema e até influenciar a migração para outra mídia. Pensando nisso, a mestre pelo programa de pós-graduação em Ciência da Computação Helen da Costa desenvolveu, em sua dissertação, um sistema automatizado que permite detectar publicidade em avaliações em redes sociais georreferenciadas, como o Apontador, plataforma que permite avaliar positiva ou negativamente locais como bares, restaurantes e pontos turísticos, e deixar sugestões e comentários sobre o estabelecimento. Sob o título "Detectando avaliações spams em uma rede social baseada em localização", o trabalho foi orientado pelo professor Fabrício Benevenuto e co-orientado por Luiz Merschmann. Atualmente, Helen é professora no Instituto de Ciências Exatas e Aplicadas (ICEA), em João Monlevade.
Com o objetivo de facilitar a identificação desses spams, a pesquisa os alocou em três categorias: O "comerciante local", que posta avaliações consideradas propagandas de estabelecimentos ou serviços relacionados com o local em questão; o "boca suja", que publica avaliações agressivas sobre o estabelecimento, geralmente com palavras de baixo calão; e "o poluidor", que posta avaliações com conteúdo irrelevante ou não relacionado com o local, demostrando ser um usuário inexperiente ou que não entendeu corretamente o funcionamento e propósito da rede.
"Toda pesquisa pode ser facilmente adaptada para outro sistema social baseado em localização", esclarece a professora que também ressalta as vantagens oferecidas aos usuários e às empresas. Para os usuários, o maior benefício é a eficácia do aplicativo. "Com a eliminação das avaliações que são spams, o usuário pode focar sua atenção naquilo que vale realmente a pena ler", explica Helen. A empresa se beneficia, pois essa filtragem era feita manualmente pelos funcionários, e o mecanismo permite hoje a detecção automática dos spams.
Pesquisa premiada - Neste ano, o trabalho da professora Helen ficou classificado entre as dez melhores dissertações do Brasil no Concurso de Teses e Dissertação do Congresso da Sociedade Brasileira de Computação. A pesquisa foi apresentada em Brasília, no mês de julho. "Fiz parte do programa nos seus três primeiros anos de existência e, mesmo para um trabalho feito num programa que ainda estava dando seus primeiros passos, tivemos publicações e resultados importantes", finaliza.
Um aplicativo sobrecarregado de spam pode atrapalhar a experiência do usuário, prejudicar a sua confiança com o sistema e até influenciar a migração para outra mídia. Pensando nisso, a mestre pelo programa de pós-graduação em Ciência da Computação Helen da Costa desenvolveu, em sua dissertação, um sistema automatizado que permite detectar publicidade em avaliações em redes sociais georreferenciadas, como o Apontador, plataforma que permite avaliar positiva ou negativamente locais como bares, restaurantes e pontos turísticos, e deixar sugestões e comentários sobre o estabelecimento. Sob o título "Detectando avaliações spams em uma rede social baseada em localização", o trabalho foi orientado pelo professor Fabrício Benevenuto e co-orientado por Luiz Merschmann. Atualmente, Helen é professora no Instituto de Ciências Exatas e Aplicadas (ICEA), em João Monlevade.
Com o objetivo de facilitar a identificação desses spams, a pesquisa os alocou em três categorias: O "comerciante local", que posta avaliações consideradas propagandas de estabelecimentos ou serviços relacionados com o local em questão; o "boca suja", que publica avaliações agressivas sobre o estabelecimento, geralmente com palavras de baixo calão; e "o poluidor", que posta avaliações com conteúdo irrelevante ou não relacionado com o local, demostrando ser um usuário inexperiente ou que não entendeu corretamente o funcionamento e propósito da rede.
"Toda pesquisa pode ser facilmente adaptada para outro sistema social baseado em localização", esclarece a professora que também ressalta as vantagens oferecidas aos usuários e às empresas. Para os usuários, o maior benefício é a eficácia do aplicativo. "Com a eliminação das avaliações que são spams, o usuário pode focar sua atenção naquilo que vale realmente a pena ler", explica Helen. A empresa se beneficia, pois essa filtragem era feita manualmente pelos funcionários, e o mecanismo permite hoje a detecção automática dos spams.
Pesquisa premiada - Neste ano, o trabalho da professora Helen ficou classificado entre as dez melhores dissertações do Brasil no Concurso de Teses e Dissertação do Congresso da Sociedade Brasileira de Computação. A pesquisa foi apresentada em Brasília, no mês de julho. "Fiz parte do programa nos seus três primeiros anos de existência e, mesmo para um trabalho feito num programa que ainda estava dando seus primeiros passos, tivemos publicações e resultados importantes", finaliza.
Acesso à Informação
Ouvidoria
Dados Abertos
