Uma abordagem de detecção automática de vandalismo na Wikipédia utilizando aprendizado associativo ativo
Carregando...
Arquivos
Data
Autor(es)
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Federal de Minas Gerais
Descrição
Tipo
Dissertação de mestrado
Título alternativo
Primeiro orientador
Membros da banca
Jussara Marques de Almeida
Mirella Moura Moro
Viviane Pereira Moreira
Mirella Moura Moro
Viviane Pereira Moreira
Resumo
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.
Assunto
Recuperação da informação, Computação, Wikipedia
Palavras-chave
Ciência da Computação