Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Ciência da Computação, 2014. / Submitted by Ana Cristina Barbosa da Silva (annabds@hotmail.com) on 2014-10-17T12:10:08Z
No. of bitstreams: 1
2014_YangLiu.pdf: 1603703 bytes, checksum: 61134747f580259f9be7b882b5ffffa8 (MD5) / Approved for entry into archive by Guimaraes Jacqueline(jacqueline.guimaraes@bce.unb.br) on 2014-10-17T13:09:45Z (GMT) No. of bitstreams: 1
2014_YangLiu.pdf: 1603703 bytes, checksum: 61134747f580259f9be7b882b5ffffa8 (MD5) / Made available in DSpace on 2014-10-17T13:09:45Z (GMT). No. of bitstreams: 1
2014_YangLiu.pdf: 1603703 bytes, checksum: 61134747f580259f9be7b882b5ffffa8 (MD5) / O rápido desenvolvimento da tecnologia da Internet trouxe-nos para a era da explosão de informações, enquanto a massa de informações por um lado, torna difícil selecionar as mais interessantes. Por outro lado, também muitas delas são perdidas na rede de informação, pois existem "informações secretas", não permitindo o acesso aos usuários em geral. O Sistema de Recomendação(RS) é atualmente um esquema mais eficiente para resolver o problema recente de sobrecarga de informações. A recomendação é amplamente utilizada em Redes Sociais Online(como Twitter, Weibo e outros Microblogs), neste trabalho é utilizado o método de Máquina de Vetores de Suporte(SVM) para aplicar recomendação de amigos.
A dissertação propõe uma idéia que combina a teoria e os atributos de Microblog SVM para realizar a recomendação de amigos. Além disso implementá-lo como um sistema recomendado para aumentar a aceitação do usuário no microblog.
Os experimentos mostraram que o modelo SVM proposto apresenta um desempenho eficiente e boa exatidão na recomendação de amigos nas redes sociais. O resultado do SVM é 72\% melhor que os métodos usados para comparação: os algoritmos Naïve Bayes e Random Forest, tendo sido considerados diferentes tamanhos de amostras para testar a eficiência e o desempenho destes modelos. O resultado mostrou que o algoritmo SVM é melhor para amostras de diversos tamanhos. _________________________________________________________________________________ ABSTRACT / The rapid growth of internet technology brought us to the era of the rapid difusionof information. Nevertheless, the large quantity of information makes it dificult to find interesting information and therefore, much of it is lost in the information networkdue to secret information, not permitting the access to the general public. Recommendationsystems (RS) are nowadays the most eficient tools to solve the recent problemof information overload. RS is already widely used in Online Social Networks(such asTwitter,Weibo and other Microblogs). In this research, Support Vector Machines (SVM)method is applied in the recommendation of friends.The dissertation proposes an idea which combining the SVM theory and attributesof Microblog to realize the recommendation of friends. Furthemore implement it as arecommended system to increase the acceptance of user no microblog.The experiments showed that the proposed SVM model presents an eficient performanceand good accuracy on the recommendation of friends in social networks. Theresult of the SVM is 72% better than the methods used for comparison: the algorithmsRandom Forest and Naive Bayes. Diferent sample sizes were considered separately totest the eficiency and performance of these models. These results showed that the SVMalgorithm is better for samples of diferent sizes.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/16533 |
| Date | 13 March 2014 |
| Creators | Liu, Yang |
| Contributors | Weigang, Li |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | English |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB |
| Rights | A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data., info:eu-repo/semantics/openAccess |
Page generated in 0.0024 seconds