
Machine Learning
metodologia de mineração automatizada com dados das redes sociais e processamento de linguagem naturalBy Flávio MosafiLength3h 13m
About this audiobook
Nos dias atuais, é muito difícil encontrar algum indivíduo que não esteja cadastrado em alguma rede social. Muitas destas pessoas as utilizam por meio de seus computadores e dispositivos móveis, tornando-as parte de suas vidas. Com isso, as redes sociais passam a ser um instrumento de colaboração para troca de informações. A facilidade com que essas informações são geradas, juntamente com o seu crescimento exponencial, torna essas mensagens nas redes sociais uma abundante fonte de informação para descoberta de conhecimentos ocultos e secretos. Tais descobertas não seriam possíveis pelos métodos tradicionais, visto a quantidade de informações geradas por segundo. Diante disso, foi criada uma metodologia de mineração automatizada com PLN (Processamento de Linguagem Natural), ramo da inteligência artificial, focado em identificar eventos de segurança. A metodologia foi dividida em três blocos que contêm tarefas. O primeiro bloco, Parametrização e Iniciação, permite que as configurações e os parâmetros necessários sejam definidos. O segundo bloco, Preparação e Mineração, aplica os algoritmos de inteligência artificial para gerar as estatísticas e a descoberta de conhecimento. Por fim, o bloco Marcação e Apresentação constrói um dashboard com os indicadores para visualização dos eventos de segurança em gráficos e mapas dinâmicos. A metodologia foi implementada por meio de um Bot desenvolvido na linguagem de programação Python e utilizando o banco de dados PostgreSQL.
Audiobook details
GenreTechnology
Length3 hrs 13 mins
Narrated byListen with 1,000+ voices
FormateBook with Audio
Publish dateJan 18, 2022
LanguagePortuguese
Table of contents
1Introduction
21. INTRODUÇÃO
31.1. MOTIVAÇÃO
41.2. CARACTERIZAÇÃO DO PROBLEMA
51.3. OBJETIVOS
Show all chaptersShow less
61.4. JUSTIFICATIVA
71.5. ESTRUTURA DO TEXTO
82. CONCEITOS E ESTADO DA ARTE
92.1. MINERAÇÃO DE DADOS
102.2. PROCESSO DE MINERAÇÃO DE DADOS
112.2.1. PRÉ–PROCESSAMENTO
122.2.2. PROCESSAMENTO
132.2.3. VISUALIZAÇÃO
142.2.4. DESCOBERTA DE CONHECIMENTO
152.3. MINERAÇÃO DE TEXTO: 2.3.1. PROCESSO DE LINGUAGEM NATURAL
162.4. APRENDIZADO DE MÁQUINA: 2.4.1. TIPOS DE APRENDIZADO DE MÁQUINA
172.5. ALGORITMOS DE APRENDIZADO
182.5.1. NAIVE BAYES
192.5.2. MÁQUINA DE VETOR DE SUPORTE
202.5.3. ÁRVORE DE DECISÃO
212.5.4. CADEIA DE MARKOV ESCONDIDA
222.5.5. AGRUPAMENTO (CLUSTERIZAÇÃO): 2.5.5.1. K–MEANS
232.5. REDES SOCIAIS
242.6. TWITTER
252.7. API TWITTER
263. TRABALHOS RELACIONADOS
273.1. CRIMEPROFILER: CRIME INFORMATION EXTRACTION
283.2. A REVIEW OF DATA MINING APPLICATIONS
293.3. INVESTIGATING CRIME–TO–TWITTER
303.4. AN EXPERIMENTAL STUDY OF CLASSIFICATION
313.5. NATURAL LANGUAGE PROCESSING BASED ON SEMANTIC
323.6. NATURAL LANGUAGE PROCESSING AND E–GOVERNMENT
334. METODOLOGIA DE MINERAÇÃO AUTOMATIZADA
344.1. PARAMETRIZAÇÃO E INICIAÇÃO
354.2. PREPARAÇÃO E MINERAÇÃO
364.3. MARCAÇÃO E APRESENTAÇÃO
375. IMPLEMENTAÇÃO E RESULTADOS
385.1. CAMADA DE RECUPERAÇÃO
395.2. CAMADA DE TRANSFORMAÇÃO
405.3. CAMADA DE PROCESSAMENTO
415.4. CAMADA DE VISUALIZAÇÃO
426. CONCLUSÃO
437. REFERÊNCIAS
44ANEXO A – ESTRUTURA DE UM TWEET EM FORMATO CSV
45ANEXO B – ESTRUTURA DE UM TWEET EM FORMATO JSON