TDC - Trilha Machine Learning - O que sabemos de voce por meio de PLN e ML?
•
2 likes•243 views
This document is an agenda for a presentation on forensic analysis of messages on social networks. The agenda includes sections on theoretical background, general methodology, performance evaluation, and introduction. It aims to analyze what can be known about a user through natural language processing and machine learning of their social media messages.
Recommended
More Related Content
More from Ahirton Lopes
More from Ahirton Lopes (20)
Recently uploaded
Recently uploaded (20)
TDC - Trilha Machine Learning - O que sabemos de voce por meio de PLN e ML?
- 2. O R I E N T A D O R P r o f . D r . L e a n d r o N u n e s d e C a s t r o P r o f . D r . R o d r i g o P a s t i C O - O R I E N T A D O R L a b o r a t ó r i o d e C o m p u t a ç ã o N a t u r a l - L C o N P r o g r a m a d e P ó s - G r a d u a ç ã o e m e n g e n h a r i a E l é t r i c a e C o m p u t a ç ã o U n i v e r s i d a d e P r e s b i t e r i a n a M a c k e n z i e Análise forense de mensagens em rede social - O que podemos saber de você por meio de PLN e ML?
- 3. AGENDA 2 UCTION REFERENCIAL TEÓRICO METODOLOGIA GENEC AVALIAÇÃO DE DESEMPENHO INTRODUÇÃO
- 4. INTRODUÇÃO
- 10. Your love got me You hit me so hard with your love. He knocked me out, he stunned me It came out, I went to the canvas, it was K.O. I've always been a warrior, but first- I saw myself helpless, heart lost the fight, yes Goodbye drunk, single life, I want Friday To be with you in my bed, together, coladin Kiss me all night, sexy in the bathtub I'm going to make you tired, I want to start from the beginning And look, I'll look at you I'll tell you, I went to the canvas with your Your love got me You hit me so hard with your love. He knocked me out, he stunned me It came out, I went to the canvas, it was K.O. I've always been a warrior, but first- I saw myself helpless, heart lost the fight, yes Goodbye drunk, single life, I want Friday I saw myself helpless, heart lost the fight, yes Goodbye drunk, single life, I want Friday I saw myself helpless, heart lost the fight, yes Goodbye drunk, single life, I want Friday Your love got me You hit me so hard with you He knocked me out, he stun It came out, I went to the canvas I've always been a warrior, b I saw myself helpless, heart lost t Goodbye drunk, single life, I w To be with you in my bed, togeth Kiss me all night, sexy in the I'm going to make you tired, I w from the beginning And look, I'll look at yo I'll tell you, I went to the canvas Your love got me You hit me so hard with you He knocked me out, he stun It came out, I went to the canvas I've always been a warrior, b I saw myself helpless, heart lost t Goodbye drunk, single life, I w I saw myself helpless, heart lost t genero comunicação cultura EXPRESSÃO DE GÊNERO
- 11. ARQUITETURA COLETAR BASE DE DADOS PRÉ-PROCESSAMENTO EXTRAÇÃO DE META-ATRIBUTOS SELEÇÃO DE META-ATRIBUTOSCLASSIFICAÇÃORESULTADO
- 12. PRÉ-PROCESSAMENTO BASE DE DADOS PRÉ-PROCESSAMENTO TOKENIZAÇÃO POS TAGGING
- 14. PRÉ-PROCESSAMENTO [('Como', u'KS'), ('dizem', u'V'), ('meus', u'PROADJ'), ('sobrinhos', u'N'), ('de', u'PREP'), ('Twitter', None), (',', u','), ('rimos', None), ('litros', u'N'), ('.', u'.'), ('Embora', u'KS'), ('eu', u'PROPESS'), ('nao', u'ADV'), ('entenda', u'V'), ('como', u'PREP'), ('se', u'PROPESS'), ('possa', u'VAUX'), ('medir', u'V'), ('o', u'ART'), ('volume', u'N'), ('espacial', u'ADJ'), ('de', u'PREP'), ('risos', u'N'), ('.', u'.'), ('Mas', u'KC'), ('tudo', u'PROSUB'), ('bem', u'ADV')] TWEET PRÉ-PROCESSAMENTO
- 15. EXTRAÇÃO DE META-ATRIBUTOS CARACATERES E SINTAXE CARACTERES E SINTAXE PALAVRAS ESTRUTURA TEXTUAL MORFOLOGIA PSICO-LINGUÍSTICA # TOTAL CARACTERES : ; ...K DE YULE R DEHONORE S DE SICHEL D DE SIMPSON ENTROPIA ORGANIZAÇÃO DE CONTEÚDO MARCAS EMOCIONAIS, PSICOLÓGICAS E COGNITIVAS 16 28 10 06 68 128
- 16. EXTRAÇÃO DE META-ATRIBUTOS 134 0.7761 0.0298 0.0 0.1716 tweet vetor de característica white/Cespaço em branco/C dígitos/C A-Z/C a-z/C C VALORMETA-ATRIBUTOS
- 17. CLASSIFICAÇÃO
- 20. AVALIAÇÃO DE DESEMPENHO 100 tweets MÉTODO META-ATRIBUTOS MAIS SIGNIFICANTESTÉCNICA TWEETSCONCATENADOS(100) GANHODE INFORMAÇÃO
- 21. AVALIAÇÃO DE DESEMPENHO 500 tweets MÉTODO TÉCNICA META-ATRIBUTOS MAIS SIGNIFICANTES TWEETSCONCATENADOS(500) GANHODE INFORMAÇÃO
- 22. CONCLUSÃO ~70% ÁRVORE DE DESIÇÃO ~75% MÁQUINA DE VETOR SUPORTE (SVM)
- 23. AVALIAÇÃO DE DESEMPENHO RESULTADOS CONJUNTO DE META-ATRIBUTOS SINTAXE E CARACTERES PALAVRAS ESTRUTURA TEXTUAL MORFOLOGIA TEXTUAL PSICO-LINGUÍSTICA TUDO
- 24. CONCLUSÃO Análise forense de mensagens anônimas Ferramenta de recomendação para segmentação E-mail makerting Construção de perfil de usuário
- 25. “Trabalho dedicado a Guilherme Henrique Ferreira Nunes Lopes, meu irmão (in memoriam), um aventureiro que com sua simplicidade me ensinou a respeitar a natureza das coisas. Que saibamos respeitar cada um, assim como o surfista aprendeu a respeitar o mar, a onda, o infinito em cada um.”