Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/ESBF-8VMJ98
Type: Dissertação de Mestrado
Title: Uma abordagem de detecção automática de vandalismo na Wikipédia utilizando aprendizado associativo ativo
Authors: Maria Ines Muianga Sumbana
First Advisor: Marcos Andre Goncalves
First Co-advisor: Jussara Marques de Almeida
First Referee: Jussara Marques de Almeida
Second Referee: Mirella Moura Moro
Third Referee: Viviane Pereira Moreira
Abstract: A Wikipedia e outros serviços gratuitos cujo conteúdo é gerado colaborativamente têm crescido rapidamente em popularidade. No entanto, a falta de controle da edição tem feito com que esses serviços sejam vulneráveis a vários tipos de ações maliciosas como o vandalismo. Métodos de detecção de vandalismo de estado-de-arte são baseados em técnicas supervisionadas, e portanto, dependem de coleções de treinamento geralmente grandes e representativas. A construção de tais coleções depende, muitas vezes, de um esforço conjunto (crowdsourcing), sendo ssim caras de construir. Mais ainda, no caso específico de vandalismo, as coleções disponíveis tendem a ser muito desbalanceadas com muito poucos exemplos de vandalismo, o que afeta o processo da classificação. Visando diminuir o custo da construção das coleções representativas para esse problema, apresentamos uma nova técnica de seleção ativa juntamente com um algoritmo de classificação associativa sob-demanda para a detecção de vandalismo na Wikipédia. Primeiro mostramos que a classificação associativa reforçada por uma técnica simples de balanceamento para a construção do conjunto de treinamento supera classificadores de estado-de-arte como SVM e kNN, e é competitivo com os melhores resultados da competição CLEF em detecção de vandalismo na Wikipedia. Além disso, através da aplicação da abordagem de seleção ativa, fomos capazes de reduzir a necessidade de treinamento em quase 96% com apenas um pequeno impacto sobre os resultados dadetecção, tornando assim a nossa solução muito prática para cenários reais.
Abstract: Wikipedia and other free editing services for collaboratively generated content have quickly grown in popularity. However, the lack of editing control has made these services vulnerable to various types of malicious actions such as vandalism. State-of-the-art vandalism detection methods are based on supervised techniques, and thus rely on the availability of large and representative training collections. Building such collections,often with the help of crowdsourcing, is quite costly, as it has to deal with a natural skew towards very few vandalism examples in the available data and dynamic patterns. Aiming at reducing the cost of building such collections, we present a new active sampling technique coupled with an on-demand associative classification algorithm for Wikipedia vandalism detection. We first show that the associative classification enhanced with a simple undersampling technique for building the training set outperforms state-of-the-art classifiers such as SVMs and kNNs, and is competitive with the best results of the CLEF competition on Wikipedia vandalism detection. Furthermore, by applying the active sampling approach, we are able to reduce the need for training in almost 96% with only a small impact on detection results, thus making our solution very practical for real scenarios.
Subject: Recuperação da informação
Computação
Wikipedia
language: Português
Publisher: Universidade Federal de Minas Gerais
Publisher Initials: UFMG
Rights: Acesso Aberto
URI: http://hdl.handle.net/1843/ESBF-8VMJ98
Issue Date: 22-Jun-2012
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
mariain_s.pdf1.28 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.