Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

You searched for subject:(Sele o RFECV). One record found.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Costa, Elizangela Santos da. Avaliando atributos de credibilidade de p?ginas Web utilizando Aprendizagem de M?quina.

Degree: 2020, Universidade Federal do Amazonas

As informa??es compartilhadas na Web se propagam rapidamente, sejam elas verdadeiras ou n?o. O objetivo de reproduzir informa??es incorretas ou falsas est? relacionado a diversos fatores como manipula??o pol?tica, obten??o de benef?cios financeiros, dissemina??o de difama??es, entre outros. Sendo assim, verificar a credibilidade das informa??es dispon?veis na Web acaba sendo uma tarefa obrigat?ria. Dentre as diversas solu??es desenvolvidas para detectar se uma p?gina Web pode ser acreditada ou n?o, as baseadas em aprendizagem de m?quina s?o a mais empregadas. Esta disserta??o visa avaliar e definir atributos empreg?veis em um futuro modelo de avalia??o de credibilidade de p?ginas Web, por meio da extra??o de caracter?sticas do conte?do da p?gina e da rede, com o aux?lio de classificadores de aprendizagem de m?quina, possibilitando assim maior certeza sobre a credibilidade de p?ginas Web. Como resultado, esta disserta??o concluiu que o classificador Random Forest teve o melhor resultado para avalia??o de credibilidade de p?ginas web com 95.36% de acur?cia. Al?m de disponibilizar um script de extra??o de atributos, apontou tamb?m quais s?o os atributos mais relevantes e de f?cil extra??o que podem ser obtidos e qualquer URL, para isso utilizou 3 m?todos de sele??o de atributos: Select kbest, Sele??o RFE e Sele??o RFECV, no qual este ?ltimo apresentou o melhor resultado com 95.33% de acur?cia.

Information shared on the Web propagates quickly, whether true or not. Credibility in this context refers to the level of trust a user places subjectively on a Web page. The purpose of reproducing incorrect information is related to several factors such as political manipulation, obtain financial benefits, disseminate malicious defamation, among others. Therefore, verifying the credibility of the information available on the Web ends up being a mandatory task. Among the various techniques developed to detect whether aWeb page can be accredited or not, machine learning is the most used in comparison to the assessment of credibility manually. The purpose of this work is to evaluate and define attributes that can be used in a future model for assessing the credibility of Web pages, by extracting characteristics from the content of the page and the network, with the help of machine learning classifiers, thus enabling greater certainty on the credibility of web pages. As a result, this dissertation concluded that the Random Forest classifier had the best result for assessing the credibility of web pages with 95.36% accuracy. In addition to providing an attribute extraction script, also pointing out which are the most relevant and easy extraction attributes that can be selected for any URL, for that, 3 attribute selection methods are used: Select the best, RFE Selection and Selection RFECV, the last result with 95.33% accuracy.

Advisors/Committee Members: Feitosa, Eduardo Luzeiro, http://lattes.cnpq.br/5939944067207881, Giusti, Rafael, http://lattes.cnpq.br/0613781010575440, Santin, Altair Olivo, http://lattes.cnpq.br/9604696592563769.

Subjects/Keywords: Seguran?a da informa??o; Select kbest; Classificadores de aprendizagem de m?quina; Sele??o RFECV; Random Forest; CI?NCIAS EXATAS E DA TERRA: CI?NCIA DA COMPUTA??O; Credibilidade; Avalia??o de credibilidade; Web; Atributos

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Costa, E. S. d. (2020). Avaliando atributos de credibilidade de p?ginas Web utilizando Aprendizagem de M?quina. (Masters Thesis). Universidade Federal do Amazonas. Retrieved from https://tede.ufam.edu.br/handle/tede/7807

Chicago Manual of Style (16th Edition):

Costa, Elizangela Santos da. “Avaliando atributos de credibilidade de p?ginas Web utilizando Aprendizagem de M?quina.” 2020. Masters Thesis, Universidade Federal do Amazonas. Accessed October 30, 2020. https://tede.ufam.edu.br/handle/tede/7807.

MLA Handbook (7th Edition):

Costa, Elizangela Santos da. “Avaliando atributos de credibilidade de p?ginas Web utilizando Aprendizagem de M?quina.” 2020. Web. 30 Oct 2020.

Vancouver:

Costa ESd. Avaliando atributos de credibilidade de p?ginas Web utilizando Aprendizagem de M?quina. [Internet] [Masters thesis]. Universidade Federal do Amazonas; 2020. [cited 2020 Oct 30]. Available from: https://tede.ufam.edu.br/handle/tede/7807.

Council of Science Editors:

Costa ESd. Avaliando atributos de credibilidade de p?ginas Web utilizando Aprendizagem de M?quina. [Masters Thesis]. Universidade Federal do Amazonas; 2020. Available from: https://tede.ufam.edu.br/handle/tede/7807

.