Modelos de inferência de localização de residência para usuários do foursquare
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/ESBF-AEFJE5 |
Resumo: | Vivenciamos uma época em que tudo que acontece está nas redes sociais online, sejam eventos cotidianos ou de grandes proporções. Este trabalho propõe diferentes modelos de inferência de localização de residência de usuários a partir de dados públicos compartilhados no Foursquare. Foram propostos diferentes modelos de inferência, que exploram as coordenadas geográficas, incluindo dados sobre as redes de amizade. A avaliação experimental mostrou que em comparação com os modelos de referência, os propostos atingem melhores resultados, com ganhos de até 12,17% de acurácia. Em particular, um dos modelos propostos que explora a combinação de vários classificadores (modelo Híbrido) inferiu corretamente a cidade de residência de mais de 4 bilhões de usuários e obteve uma acurácia de 68,07%. Em granularidades como bairro, obtivemos uma acurácia média de até 66,20% e na granularidade de coordenadas geográficas, obtivemos uma acurácia de 65,47%. |
id |
UFMG_b6c1e86dd52304fcdea5fada77a825e6 |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/ESBF-AEFJE5 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Jussara Marques de AlmeidaClodoveu Augusto Davis JuniorMarcos Andre GoncalvesMichelle Hanne Soares de Andrade2019-08-11T17:06:21Z2019-08-11T17:06:21Z2016-09-26http://hdl.handle.net/1843/ESBF-AEFJE5Vivenciamos uma época em que tudo que acontece está nas redes sociais online, sejam eventos cotidianos ou de grandes proporções. Este trabalho propõe diferentes modelos de inferência de localização de residência de usuários a partir de dados públicos compartilhados no Foursquare. Foram propostos diferentes modelos de inferência, que exploram as coordenadas geográficas, incluindo dados sobre as redes de amizade. A avaliação experimental mostrou que em comparação com os modelos de referência, os propostos atingem melhores resultados, com ganhos de até 12,17% de acurácia. Em particular, um dos modelos propostos que explora a combinação de vários classificadores (modelo Híbrido) inferiu corretamente a cidade de residência de mais de 4 bilhões de usuários e obteve uma acurácia de 68,07%. Em granularidades como bairro, obtivemos uma acurácia média de até 66,20% e na granularidade de coordenadas geográficas, obtivemos uma acurácia de 65,47%.Universidade Federal de Minas GeraisUFMGComputaçãoRedes sociais on-lineProbabilidadesFoursquareDireito a privacidaderedes sociais onlineprivacidadeinferênciaFoursquareresidênciaModelos de inferência de localização de residência para usuários do foursquareinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALmichellehannesoaresdeandrade.pdfapplication/pdf6255730https://repositorio.ufmg.br/bitstream/1843/ESBF-AEFJE5/1/michellehannesoaresdeandrade.pdf691d6a6abe8893a93d5a270b3f3df8ecMD51TEXTmichellehannesoaresdeandrade.pdf.txtmichellehannesoaresdeandrade.pdf.txtExtracted texttext/plain182694https://repositorio.ufmg.br/bitstream/1843/ESBF-AEFJE5/2/michellehannesoaresdeandrade.pdf.txt01b2769940af6249fc46377965d008efMD521843/ESBF-AEFJE52019-11-14 07:12:27.153oai:repositorio.ufmg.br:1843/ESBF-AEFJE5Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T10:12:27Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Modelos de inferência de localização de residência para usuários do foursquare |
title |
Modelos de inferência de localização de residência para usuários do foursquare |
spellingShingle |
Modelos de inferência de localização de residência para usuários do foursquare Michelle Hanne Soares de Andrade redes sociais online privacidade inferência Foursquare residência Computação Redes sociais on-line Probabilidades Foursquare Direito a privacidade |
title_short |
Modelos de inferência de localização de residência para usuários do foursquare |
title_full |
Modelos de inferência de localização de residência para usuários do foursquare |
title_fullStr |
Modelos de inferência de localização de residência para usuários do foursquare |
title_full_unstemmed |
Modelos de inferência de localização de residência para usuários do foursquare |
title_sort |
Modelos de inferência de localização de residência para usuários do foursquare |
author |
Michelle Hanne Soares de Andrade |
author_facet |
Michelle Hanne Soares de Andrade |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Jussara Marques de Almeida |
dc.contributor.referee1.fl_str_mv |
Clodoveu Augusto Davis Junior |
dc.contributor.referee2.fl_str_mv |
Marcos Andre Goncalves |
dc.contributor.author.fl_str_mv |
Michelle Hanne Soares de Andrade |
contributor_str_mv |
Jussara Marques de Almeida Clodoveu Augusto Davis Junior Marcos Andre Goncalves |
dc.subject.por.fl_str_mv |
redes sociais online privacidade inferência Foursquare residência |
topic |
redes sociais online privacidade inferência Foursquare residência Computação Redes sociais on-line Probabilidades Foursquare Direito a privacidade |
dc.subject.other.pt_BR.fl_str_mv |
Computação Redes sociais on-line Probabilidades Foursquare Direito a privacidade |
description |
Vivenciamos uma época em que tudo que acontece está nas redes sociais online, sejam eventos cotidianos ou de grandes proporções. Este trabalho propõe diferentes modelos de inferência de localização de residência de usuários a partir de dados públicos compartilhados no Foursquare. Foram propostos diferentes modelos de inferência, que exploram as coordenadas geográficas, incluindo dados sobre as redes de amizade. A avaliação experimental mostrou que em comparação com os modelos de referência, os propostos atingem melhores resultados, com ganhos de até 12,17% de acurácia. Em particular, um dos modelos propostos que explora a combinação de vários classificadores (modelo Híbrido) inferiu corretamente a cidade de residência de mais de 4 bilhões de usuários e obteve uma acurácia de 68,07%. Em granularidades como bairro, obtivemos uma acurácia média de até 66,20% e na granularidade de coordenadas geográficas, obtivemos uma acurácia de 65,47%. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-09-26 |
dc.date.accessioned.fl_str_mv |
2019-08-11T17:06:21Z |
dc.date.available.fl_str_mv |
2019-08-11T17:06:21Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/ESBF-AEFJE5 |
url |
http://hdl.handle.net/1843/ESBF-AEFJE5 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/ESBF-AEFJE5/1/michellehannesoaresdeandrade.pdf https://repositorio.ufmg.br/bitstream/1843/ESBF-AEFJE5/2/michellehannesoaresdeandrade.pdf.txt |
bitstream.checksum.fl_str_mv |
691d6a6abe8893a93d5a270b3f3df8ec 01b2769940af6249fc46377965d008ef |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589169955471360 |