FUSÃO DE REDES CONVOLUCIONAIS HETEROGÊNEAS PARA DETECÇÃO DE NOVIDADES EM REDES SOCIAIS

Abstract

Detecção de novidades é uma tarefa de classificação que tenta identificar dados que diferem em alguns aspectos em relação aos dados disponíveis durante o treinamento. É assumida que a classe normal é muito bem amostrada, enquanto outras classes são pouco amostradas ou não tem amostras. O desafio de automatizar a detecção de novidades fica ainda maior quando os dados da classe normal são provenientes na forma de um fluxo contínuo de dados. Dessa forma, a quantidade de dados não é apenas enorme, mas devem também ser processados em pouco tempo. Quando se trata de dados de fluxo contínuo das redes sociais, ainda se tem outro agravante: a baixa qualidade dos dados produzidos. Para tratar esse problema, neste trabalho é proposta a fusão dos resultados de duas redes convolucionais heterogêneas, uma projetada para classificação de imagens e outra para textos. Além disso, é apresentada e disponibilizada uma nova base de dados rotulada com imagens e textos provenientes da rede social Facebook para a tarefa de detecção de novidades. Em resultados experimentais foram alcançados uma precisão média de 80,18% e um recall médio de 88,00%, o que indica que o método apresentado é promissor.