Social media services have a growing impact in our society. Individuals often rely on social media to get their news, decide which products to buy or to communicate with their friends. As consequence of the widespread adoption of social media, a large volume of data on how users behave is created every day and stored into large databases. Learning how to analyze and extract useful knowledge from this data has a number of potential applications. For instance, a deeper understanding on how legitimate users interact with social media services could be explored to design more accurate spam and fraud detection methods. This PhD research is based on the following hypothesis: data generated by social media users present patterns that can be exploited to improve the effectiveness of tasks such as prediction, forecasting and modeling in the domain of social media. To validate our hypothesis, we focus on designing data mining methods tailored to social media data. The main contributions of this PhD can be divided into three parts. First, we propose Act-M, a mathematical model that describes the timing of users actions. We also show that Act-M can be used to automatically detect bots among social media users based only on the timing (i.e. time-stamp) data. Our second contribution is VnC (Vote-and-Comment), a model that explains how the volume of different types of user interactions evolve over time when a piece of content is submitted to a social media service. In addition to accurately matching real data, VnC is useful, as it can be employed to forecast the number of interactions received by social media content. Finally, our third contribution is the MFS-Map method. MFS-Map automatically provides textual annotations to social media images by efficiently combining visual and metadata features. Our contributions were validated using real data from several social media services. Our experiments show that the Act-M and VnC models provided a more accurate fit to the data than existing models for communication dynamics and information diffusion, respectively. MFS-Map obtained both superior precision and faster speed when compared to other widely employed image annotation methods. / O impacto dos serviços de mídia social em nossa sociedade é crescente. Indivíduos frequentemente utilizam mídias sociais para obter notícias, decidir quais os produtos comprar ou para se comunicar com amigos. Como consequência da adoção generalizada de mídias sociais, um grande volume de dados sobre como os usuários se comportam é gerado diariamente e armazenado em grandes bancos de dados. Aprender a analisar e extrair conhecimentos úteis a partir destes dados tem uma série de potenciais aplicações. Por exemplo, um entendimento mais detalhado sobre como usuários legítimos interagem com serviços de mídia social poderia ser explorado para projetar métodos mais precisos de detecção de spam e fraude. Esta pesquisa de doutorado baseia-se na seguinte hipótese: dados gerados por usuários de mídia social apresentam padrões que podem ser explorados para melhorar a eficácia de tarefas como previsão e modelagem no domínio das mídias sociais. Para validar esta hipótese, foram projetados métodos de mineração de dados adaptados aos dados de mídia social. As principais contribuições desta pesquisa de doutorado podem ser divididas em três partes. Primeiro, foi desenvolvido o Act-M, um modelo matemático que descreve o tempo das ações dos usuários. O autor demonstrou que o Act-M pode ser usado para detectar automaticamente bots entre usuários de mídia social com base apenas nos dados de tempo. A segunda contribuição desta tese é o VnC (Vote-and- Comment), um modelo que explica como o volume de diferentes tipos de interações de usuário evolui ao longo do tempo quando um conteúdo é submetido a um serviço de mídia social. Além de descrever precisamente os dados reais, o VnC é útil, pois pode ser empregado para prever o número de interações recebidas por determinado conteúdo de mídia social. Por fim, nossa terceira contribuição é o método MFS-Map. O MFS-Map fornece automaticamente anotações textuais para imagens de mídias sociais, combinando eficientemente características visuais e de metadados das imagens. As contribuições deste doutorado foram validadas utilizando dados reais de diversos serviços de mídia social. Os experimentos mostraram que os modelos Act-M e VnC forneceram um ajuste mais preciso aos dados quando comparados, respectivamente, a modelos existentes para dinâmica de comunicação e difusão de informação. O MFS-Map obteve precisão superior e tempo de execução reduzido quando comparado com outros métodos amplamente utilizados para anotação de imagens.

Made available in DSpace on 2015-03-05T13:53:44Z (GMT). No. of bitstreams: 0 Previous issue date: 26 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / A Realidade Virtual (RV) tornou-se uma alternativa atraente para o desenvolvimento de interfaces visuais mais realistas e interessantes para o usuário. Os ambientes que fazem uso de técnicas de RV são comumente referenciados como Ambientes Virtuais (AVs). Atualmente, atenção tem sido atribuída à integração de Inteligência Artificial (IA) e AVs. O objetivo é obter maior usabilidade e realismo das interfaces, explorando a combinação de objetos tridimensionais e entidades inteligentes. Os ambientes que exploram tal integração são chamados Ambientes Virtuais Inteligentes (AVIs). Esta dissertação apresenta o AdapTIVE (Adaptive Three-dimensional Intelligent and Virtual Environment), um ambiente virtual que tem a sua estrutura e apresentação adaptadas de acordo com os interesses e as preferências dos usuários (representadas em um modelo de usuário) e conforme a manipulação (inserção, remoção ou atualização) de conteúdos no ambiente. Um processo de categorização automático de conteúdos é aplicado na criaç

Social media services have a growing impact in our society. Individuals often rely on social media to get their news, decide which products to buy or to communicate with their friends. As consequence of the widespread adoption of social media, a large volume of data on how users behave is created every day and stored into large databases. Learning how to analyze and extract useful knowledge from this data has a number of potential applications. For instance, a deeper understanding on how legitimate users interact with social media services could be explored to design more accurate spam and fraud detection methods. This PhD research is based on the following hypothesis: data generated by social media users present patterns that can be exploited to improve the effectiveness of tasks such as prediction, forecasting and modeling in the domain of social media. To validate our hypothesis, we focus on designing data mining methods tailored to social media data. The main contributions of this PhD can be divided into three parts. First, we propose Act-M, a mathematical model that describes the timing of users actions. We also show that Act-M can be used to automatically detect bots among social media users based only on the timing (i.e. time-stamp) data. Our second contribution is VnC (Vote-and-Comment), a model that explains how the volume of different types of user interactions evolve over time when a piece of content is submitted to a social media service. In addition to accurately matching real data, VnC is useful, as it can be employed to forecast the number of interactions received by social media content. Finally, our third contribution is the MFS-Map method. MFS-Map automatically provides textual annotations to social media images by efficiently combining visual and metadata features. Our contributions were validated using real data from several social media services. Our experiments show that the Act-M and VnC models provided a more accurate fit to the data than existing models for communication dynamics and information diffusion, respectively. MFS-Map obtained both superior precision and faster speed when compared to other widely employed image annotation methods. / O impacto dos serviços de mídia social em nossa sociedade é crescente. Indivíduos frequentemente utilizam mídias sociais para obter notícias, decidir quais os produtos comprar ou para se comunicar com amigos. Como consequência da adoção generalizada de mídias sociais, um grande volume de dados sobre como os usuários se comportam é gerado diariamente e armazenado em grandes bancos de dados. Aprender a analisar e extrair conhecimentos úteis a partir destes dados tem uma série de potenciais aplicações. Por exemplo, um entendimento mais detalhado sobre como usuários legítimos interagem com serviços de mídia social poderia ser explorado para projetar métodos mais precisos de detecção de spam e fraude. Esta pesquisa de doutorado baseia-se na seguinte hipótese: dados gerados por usuários de mídia social apresentam padrões que podem ser explorados para melhorar a eficácia de tarefas como previsão e modelagem no domínio das mídias sociais. Para validar esta hipótese, foram projetados métodos de mineração de dados adaptados aos dados de mídia social. As principais contribuições desta pesquisa de doutorado podem ser divididas em três partes. Primeiro, foi desenvolvido o Act-M, um modelo matemático que descreve o tempo das ações dos usuários. O autor demonstrou que o Act-M pode ser usado para detectar automaticamente bots entre usuários de mídia social com base apenas nos dados de tempo. A segunda contribuição desta tese é o VnC (Vote-and- Comment), um modelo que explica como o volume de diferentes tipos de interações de usuário evolui ao longo do tempo quando um conteúdo é submetido a um serviço de mídia social. Além de descrever precisamente os dados reais, o VnC é útil, pois pode ser empregado para prever o número de interações recebidas por determinado conteúdo de mídia social. Por fim, nossa terceira contribuição é o método MFS-Map. O MFS-Map fornece automaticamente anotações textuais para imagens de mídias sociais, combinando eficientemente características visuais e de metadados das imagens. As contribuições deste doutorado foram validadas utilizando dados reais de diversos serviços de mídia social. Os experimentos mostraram que os modelos Act-M e VnC forneceram um ajuste mais preciso aos dados quando comparados, respectivamente, a modelos existentes para dinâmica de comunicação e difusão de informação. O MFS-Map obteve precisão superior e tempo de execução reduzido quando comparado com outros métodos amplamente utilizados para anotação de imagens.

Submitted by William Justo Figueiro (williamjf) on 2015-08-28T17:26:34Z No. of bitstreams: 1 34e.pdf: 3564229 bytes, checksum: 47f535efb73877017d3fc9b78250f707 (MD5) / Made available in DSpace on 2015-08-28T17:26:34Z (GMT). No. of bitstreams: 1 34e.pdf: 3564229 bytes, checksum: 47f535efb73877017d3fc9b78250f707 (MD5) Previous issue date: 2013 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Um dos principais desafios de sistemas ubíquos e sensíveis a contexto é a coleta de informações relevantes sobre entidades, e o uso destas informações para compreender e prever seu comportamento. Isto permite que as aplicações adaptem-se às entidades, evitando assim uma sobrecarga de questionamentos e informações à entidade. Este trabalho apresenta o eProfile, um modelo que permite que aplicações registrem as ações de entidades em trilhas e infiram informações de perfil a partir destas trilhas, utilizando interoperabilidade semântica e assim permitindo que diferentes aplicações compartilhem informações em um perfil unificado. Foi desenvolvido um protótipo para a avaliação do modelo, o qual foi integrado com dois diferentes softwares. Foi verificado que é possível enriquecer a geração de perfis de aplicações através da integração com o modelo. As contribuições deste modelo são o uso de trilhas para extrair perfis, a geração de perfis dinâmicos, o gerenciamento de regras de inferência e modelos de entidades dinâmicos e a interoperabilidade semântica do modelo. / Context-aware and ubiquitous systems have the challenge of implicitly collect relevant information about entities, and use this information to understand and predict their behaviour. This allows the applications to adapt themselves to the entities, thus avoiding to overflow them with inquires and information. The analysis of trails, the context-aware history of actions, can further improve the relevance of information. This dissertation proposes a model that allows applications to register entites’ actions in trails and infer profile information from these trails, using semantic interoperability and thus allowing different applications to share information and infer a unified profile. A prototype was developed for the evaluation of the model, and it was integrated with two different softwares. It was verified that was possible to enrich the profile generation of applications through the integration with the modelo. The contributions of this model are the use of trails for extracting profiles, the generation of dynamic profiles, the capability of managing dynamic inference rules for profile generation and the semantic interoperabilty of the model.

Made available in DSpace on 2016-08-17T14:52:49Z (GMT). No. of bitstreams: 1 Ismenia Ribeiro de Oliveira.pdf: 2858888 bytes, checksum: 1f919da635a28d5ee15d5832df5d95b1 (MD5) Previous issue date: 2004-02-10 / This work proposes an agent-based pattern system for design of adaptive multi-agent systems using user-modeling techniques. The pattern system is composed of a conceptual, an architectural, and design patterns. The patterns describe recurrent problems and design solutions for user modeling and development of adaptive multi-agent systems. The pattern mining is based on the analysis of: concepts and techniques for development of adaptive and adaptable systems; user modeling techniques; and multi-agent design techniques. An initial validation of the pattern system has been conducted through the development of a case study on the domain of information access, where patterns in the system have been reused on the development of a multi-agent system for personalized information access. / Este trabalho propõe um sistema de padrões baseados em agentes para o projeto de sistemas multiagente adaptativos e adaptáveis que utilizam técnicas de modelagem de usuários. O sistema de padrões é composto por um padrão conceitual, um padrão arquitetural e cinco padrões de projeto. Os problemas, as soluções e os conceitos, comuns no projeto da modelagem de usuários, de sistemas adaptativos e no desenvolvimento de agentes de software, são analisados e descritos na forma de padrões. A metodologia para a extração dos padrões é baseada na análise dos conceitos e técnicas para o desenvolvimento de sistemas adaptativos e adaptáveis, das técnicas de modelagem de usuário e dos conceitos e técnicas para o projeto de sistemas multiagente e agentes de software. Uma avaliação preliminar, do sistema de padrões proposto, é feita por meio de um estudo de caso no domínio do acesso à informação. O estudo consiste em identificar e analisar a reutilização do sistema de padrões no desenvolvimento de aplicações multiagente para o acesso à informação personalizada.

Made available in DSpace on 2016-08-17T14:52:57Z (GMT). No. of bitstreams: 1 Leandro Balby Marinho.pdf: 1280354 bytes, checksum: 9dd7494777864e76ff13f7880d7faa7b (MD5) Previous issue date: 2005-03-11 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / With the continuous migration of a great diversity of services to the Web, the need for characterizing the users in this environment increases. For that, components that can continually perceive their environment and rapidly adapt to its changes are required, thus reflecting the changes in the user behaviors. Among the existent approaches for modeling Web users, Web usage mining appears as one of the most interesting. Through Web usage mining a user can be implicitly and automatically modeled through his/her usage data, generated from his/her interaction with the Web. This work proposes ONTOWUM, a user modeling and usage mining-based multi-agent framework for Web personalization. The framework comprises two layers, where four agents are distributed according to their responsibilities: Interface agent, responsible for both capturing the user browsing information and performing the adaptation effects; User Modeling agent, responsible for creating and updating both user models and adaptation models; Acquirer agent, responsible for creating and updating an usage data repository containing past user models; and finally, Miner agent, responsible for both discovering group of users with similar browsing behavior and classifying the current user in these groups. The Interface and User modeling agents belong to the user information-processing layer, and the Acquirer and Miner agents belong to the pattern-discovering layer. The methodology and tool used to guide the analyses and design phases were MADEM ( Multi-Agent Domain Engineering Methodology ) and ONTOMADEM, respectively. For the implementation of ONTOWUM it was used the JADE framework. / Com a incessante migração das mais diversas categorias de serviços ao ambiente Web, a necessidade de caracterizar os usuários nesse ambiente nunca foi tão presente. Para isso, são necessários componentes que tenham a habilidade de continuamente perceber o ambiente e rapidamente se adaptarem a ele, refletindo assim as próprias mudanças no comportamento do usuário. Dentre as abordagens existentes para a modelagem de usuários da Web, a mineração de uso da Web figura entre as mais interessantes, pois através dessa abordagem pode-se modelar o usuário implicitamente através dos dados de uso gerados através da sua interação com a Web. Este trabalho propõe ONTOMUW", um framework multiagente para a personalização da Web baseado na modelagem de usuários e na mineração de uso. O framework é composto por duas camadas onde se distribuem quatro agentes de acordo com suas responsabilidades: agente Interfaceador, responsável tanto pela captura das informações provenientes da navegação do usuário quanto pela execução da adaptação; agente Modelador, responsável por criar e atualizar tanto modelos de usuários quanto modelos de adaptação; agente Aquisitor, responsável pela criação e manutenção de um repositório de dados de uso contendo os modelos de usuários passados; e, finalmente, agente Minerador, responsável tanto pela descoberta de grupos de usuários com comportamento de navegação similar quanto pela classificação do usuário corrente nos grupos descobertos. Os agentes Interfaceador e Modelador compõem a camada de processamento de informações do usuário, enquanto que os agentes Aquisitor e Minerador compõem a camada de descoberta de padrões. A metodologia e ferramenta utilizadas para guiar o processo de análise e projeto de domínio do ONTOMUW foram a MADEM ( Multi-Agent Domain Engineering Methodology ) e a ONTOMADEM respectivamente. Para a implementação do framework utilizou-se o ambiente JADE.