
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
242.6. TWITTER
21. INTRODUÇÃO
252.7. API TWITTER
31.1. MOTIVAÇÃO
263. TRABALHOS RELACIONADOS
41.2. CARACTERIZAÇÃO DO PROBLEMA
273.1. CRIMEPROFILER: CRIME INFORMATION EXTRACTION
51.3. OBJETIVOS
283.2. A REVIEW OF DATA MINING APPLICATIONS
Show all chaptersShow less
61.4. JUSTIFICATIVA
293.3. INVESTIGATING CRIME–TO–TWITTER
71.5. ESTRUTURA DO TEXTO
303.4. AN EXPERIMENTAL STUDY OF CLASSIFICATION
82. CONCEITOS E ESTADO DA ARTE
313.5. NATURAL LANGUAGE PROCESSING BASED ON SEMANTIC
92.1. MINERAÇÃO DE DADOS
323.6. NATURAL LANGUAGE PROCESSING AND E–GOVERNMENT
102.2. PROCESSO DE MINERAÇÃO DE DADOS
334. METODOLOGIA DE MINERAÇÃO AUTOMATIZADA
112.2.1. PRÉ–PROCESSAMENTO
344.1. PARAMETRIZAÇÃO E INICIAÇÃO
122.2.2. PROCESSAMENTO
354.2. PREPARAÇÃO E MINERAÇÃO
132.2.3. VISUALIZAÇÃO
364.3. MARCAÇÃO E APRESENTAÇÃO
142.2.4. DESCOBERTA DE CONHECIMENTO
375. IMPLEMENTAÇÃO E RESULTADOS
152.3. MINERAÇÃO DE TEXTO: 2.3.1. PROCESSO DE LINGUAGEM NATURAL
385.1. CAMADA DE RECUPERAÇÃO
162.4. APRENDIZADO DE MÁQUINA: 2.4.1. TIPOS DE APRENDIZADO DE MÁQUINA
395.2. CAMADA DE TRANSFORMAÇÃO
172.5. ALGORITMOS DE APRENDIZADO
405.3. CAMADA DE PROCESSAMENTO
182.5.1. NAIVE BAYES
415.4. CAMADA DE VISUALIZAÇÃO
192.5.2. MÁQUINA DE VETOR DE SUPORTE
426. CONCLUSÃO
202.5.3. ÁRVORE DE DECISÃO
437. REFERÊNCIAS
212.5.4. CADEIA DE MARKOV ESCONDIDA
44ANEXO A – ESTRUTURA DE UM TWEET EM FORMATO CSV
222.5.5. AGRUPAMENTO (CLUSTERIZAÇÃO): 2.5.5.1. K–MEANS
45ANEXO B – ESTRUTURA DE UM TWEET EM FORMATO JSON
232.5. REDES SOCIAIS