Voltar

Dissertação analisa predição de popularidade em mídia social utilizando rede de atenção hierárquica

Defesa de David Wilson de Farias Santos será amanhã (23), às 8h30, no auditório do Centro de Informática (CIn)

“Predição de popularidade em mídia social utilizando rede de atenção hierárquica” é o título da dissertação de mestrado que o aluno David Wilson de Farias Santos defende amanhã (23), às 8h30, no auditório do Centro de Informática (CIn) da UFPE.

Ele foi orientado pelo professor Tsang Ing Ren, no Programa de Pós-Graduação em Ciência da Computação. Compõem a banca, além dele, também os professores Luciano Barbosa (UFPE/Centro de Informática) e Renato Vimieiro (UFMG/Departamento de Ciência da Computação).

Resumo

Atualmente, as mídias sociais tem se tornado um importante canal de comunicação entre pessoas e, devido ao crescimento do número dessas plataformas, houve um aumento progressivo da quantidade de conteúdos submetidos na rede. Diariamente, milhares de informações textuais e visuais são compartilhadas entre as pessoas a cada minuto, entretanto, enquanto alguns conteúdos conseguem engajar vários usuários outros são totalmente ignorados não alcançando a popularidade que é tão almejada nessas plataformas. Devido a isso, houve um crescimento do interesse dos cientistas de dados na tentativa de entender o que torna alguns conteúdos mais relevantes do que outros. Pois, a compreensão do que torna um conteúdo popular é uma oportunidade sem precedentes para grandes aplicações comerciais, tais como sistemas de recomendação e marketing digital que quer aproveitar ao máximo a atenção do público. Por essas razões, o problema de predição de popularidade em mídias sociais tem sido estudado extensivamente ao longo dos últimos anos. Pesquisas anteriores seguem abordagens que atuam sobre dados textuais, visuais e sociais, apesar de alcançarem resultados promissores, os modelos obtidos apresentam capacidades reduzidas de generalização devido ao uso de dados direcionados ao usuário, dificultando assim a predição de popularidade de conteúdos gerados por novos usuários. Portanto, propomos uma abordagem de redes de atenção hierárquica guiada por embedding contextual (RAHGEC) que, além de atender hierarquicamente dados textuais e visuais, também apresenta um módulo revisor de erro. A partir do embedding contextual, é possível obter insights sobre quais características influenciem na popularidade do usuário. Os experimentos realizados sobre a base de dados Temporal Popularity Image Collection (TPIC17) do Flickr demonstraram a capacidade de generalização da nossa abordagem em prever a popularidade de imagens publicadas por novos usuários reduzindo o erro médio quadrático obtido pelo baseline em 48,14%.

Data da última modificação: 22/08/2019, 12:07