Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-04-12T13:26:59Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertação_Guilherme M. Silva.pdf: 2022880 bytes, checksum: 02b5c0f84d9fec6a322a5ff2384d11b9 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-04-12T13:27:22Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertação_Guilherme M. Silva.pdf: 2022880 bytes, checksum: 02b5c0f84d9fec6a322a5ff2384d11b9 (MD5) / Made available in DSpace on 2018-04-12T13:27:22Z (GMT). No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
Dissertação_Guilherme M. Silva.pdf: 2022880 bytes, checksum: 02b5c0f84d9fec6a322a5ff2384d11b9 (MD5)
Previous issue date: 2014-07-31 / Social Networks are among the most used services on the Web. Every day, millions of users insert personal information on websites such as Orkut and Facebook. Such information is of great importance, because the user is talking about himself, representing an explicit personal data. In this dissertation, we propose a model for advertising in social networks, using information contained in the profiles of its users. For this model, we proposed a two step approach: first, an approach for identifying entities using Wikipedia articles as source to filter and expand the information contained in the profiles; and then use machine learning to reshape the ranking of recommended advertisements. / As Redes Sociais estão entre os serviços mais utilizados na Web. Diariamente, milhões de usuários inserem informações pessoais em sites como Orkut e Facebook. Esse tipo de informação tem uma grande importância, pois o usuário está falando de si mesmo, representando um dado pessoal explícito. Nesta dissertação, é proposto um modelo de veiculação de publicidade em Redes Sociais, utilizando as informações contidas nos perfis de seus usuários. Para tal modelo, propusemos uma abordagem em dois passos: primeiro, uma abordagem de identificação de entidades utilizando os artigos da Wikipedia como fonte para filtrar e expandir a informação contida nos perfis; e então, utilizamos aprendizado de máquina para reformular o ranking das propagandas recomendadas.
| Identifer | oai:union.ndltd.org:IBICT/oai:http://localhost:tede/6306 |
| Date | 31 July 2014 |
| Creators | Silva, Guilherme Monteiro da, 92-98227-6177 |
| Contributors | secretaria@icomp.ufam.edu.br, Cristo, Marco Antônio Pinheiro de, Moura, Edleno Silva de, Oliveira, David Braga Fernandes de, Cristo, Marco Antônio Pinheiro de, Rosa, Thierson Couto Rosa |
| Publisher | Universidade Federal do Amazonas, Programa de Pós-graduação em Informática, UFAM, Brasil, Instituto de Computação |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Format | application/pdf |
| Source | reponame:Biblioteca Digital de Teses e Dissertações da UFAM, instname:Universidade Federal do Amazonas, instacron:UFAM |
| Rights | http://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess |
| Relation | -4944679560386888838, 500, 500, 4163267508810754609 |
Page generated in 0.0027 seconds