Monitoramento de eventos em redes sociais para coleta e análise de informações e sicronização temporal

• Processo: 18/18264-8
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de novembro de 2018
• Data de Término da vigência: 31 de outubro de 2019
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação
• Pesquisador responsável: Anderson de Rezende Rocha
• Beneficiário: José Dorivaldo Nascimento Souza Júnior
• Instituição Sede: Instituto de Computação (IC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 17/12646-3 - Déjà vu: coerência temporal, espacial e de caracterização de dados heterogêneos para análise e interpretação de integridade, AP.TEM
• Assunto(s): Aprendizado computacional Computação em cluster Coleta de dados Agrupamento de dados Algoritmos Palavras-chave Mídias sociais
• Palavra(s)-Chave do Pesquisador: Consulta | evento | Monitoramento | rede social | Aprendizado de Máquina

Resumo

Atualmente, para se ter o conhecimento melhor sobre um evento, é primordial analisar itens provenientes de redes sociais. Entretanto, para se coletar esses itens, geralmente é necessário definir um conjunto de palavras-chave, e esse método invariavelmente coleta itens não relacionados a esse evento e, ao mesmo tempo, não consegue coletar todos os itens que de fato são relacionados com o mesmo. Tendo o intuito de minimizar esses problemas, nós propomos o desenvolvimento de uma expansão de consulta e o teste de algoritmos de clusterização nos itens coletados de redes sociais. Uma expansão de consulta consiste em, dado um conjunto de itens coletados usando um conjunto de palavras-chave previamente definidas, analisar esses itens com o intuito de se obter novas palavras-chave também relacionadas ao evento, e refazer a consulta com essas novas palavras chaves. O principal objetivo desse procedimento é aumentar o conjunto de itens coletados que estão relacionados ao evento em questão. Adicionalmente, algoritmos de clusterização serão testados nesse trabalho com o objetivo de identificar se um dado item tem relação ou não com o evento. Métodos de k-medias e clusterização espectral serão testados nesse trabalho, com o intuito de agrupar os itens coletados e definir se um determinado item é relacionado ao evento ou não.