DECSI - Trabalhos apresentados em eventos
URI Permanente para esta coleção
Navegar
Navegando DECSI - Trabalhos apresentados em eventos por Data de Publicação
Agora exibindo 1 - 5 de 5
Resultados por página
Opções de Ordenação
Item Caracterização das publicações e relações entre mídias alternativas polarizadas no Facebook.(2022) Laurett, Natan Siller; Ribeiro, Filipe NunesO presente trabalho desenvolve a caracterização de publicações e de relações entre páginas de mídias alternativas de direita e esquerda no Facebook ao longo de um período de 4 anos. Essa caracterização é realizada por meio de estatísticas de engajamento, referências externas nas publicações e detecção de comunidades através de semelhanças de publicações, modeladas como um grafo. Para esta última, foi utilizada extração de backbone utilizando o método do filtro de disparidade e detecção de comunidade por meio do algoritmo de Louvain. Os resultados mostram a predominancia das paginas de direita em termos de engajamento, e evidenciam fortes relaçoes de comunidades em 2018.Item Utilizando aprendizado por representação para a classificação de laços sociais da IoT(2022) Pereira Júnior, Jamisson Jader Moraes; Figueiredo, Thiago Silva; Lopes, Ramon; Torres, Luiz Carlos Bambirra; Santos, Bruno PA Internet of Things (IoT) tem sido marcada pelas interações entre dispositivos que cooperam para realizar atividades. A partir deste ambiente cibernético e conectado, um possível paradigma derivado é o Social IoT (SIoT), onde múltiplos tipos de relacionamentos e confiabilidade podem ser estabelecidos entre dispositivos. Neste cenário, abordamos as questões de como modelar lac¸os sociais em IoT e na proposição de modelos para, automaticamente, classificar e predizer relações em SIoT. Este artigo propõe a utilização de aprendizado por representação para classificar diferentes tipos de lac¸os sociais em SIoT. Para isso, utiliza-se como estratégias para classificação Graph Neural Networks (GNN) ou Algoritmos Tradicionais de Classificação (ATC). Em nossos experimentos, GNN é rápido na etapa de treinamento e apresenta métricas F1-{macro, micro} de 0.61 e 0.88, respectivamente. Ao usar ATC, o treinamento ´e 121× at´e 11.235× mais lento que GNN, ao passo que as métricas F1-score alcançam 0.86 e 0.95, respetivamente.Item Enhancing SSVEP-based BCI performance with GAN-generated EEG signals.(2023) Silva, Isac Lopes; Vargas, Guilherme Vettorazzi; Leite, Sarah Negreiros de CarvalhoItem Large language models on solving integral calculus problems.(2024) Silva, Jonatas Araujo; Medeiros, Talles Henrique de; Goes, FabrıcioThis article evaluates the ability of language models (LLMs), such as GPT-4 and GPT-3.5 Turbo, to support learning, especially in solving mathematical problems. A comparative experiment was carried out, including models with and without fine-tuning, where GPT-4 obtained the best performance, solving 94% of the questions. The results indicate challenges in algebraic expressions and fractions, highlighting the importance of personalized training for specific tasks.Item Análise das publicações de mídias alternativas compartilhadas em paginas políticas do Facebook.(2024) Fermano, Sabrina Gonçalves; Ribeiro, Filipe NunesEste estudo propõe uma análise das publicações de links em páginas de mídias alternativas no Facebook, compartilhadas no período de janeiro a outubro de 2022, ano das eleições presidenciais brasileiras. O estudo foca em páginas de orientação política de esquerda e direita, utilizando dados coletados por meio do CrowdTangle. A metodologia envolve coleta, pré-processamento e modelagem de tópicos com o algoritmo Latent Dirichlet Allocation (LDA). Os resultados revelam mudanças nos temas mais discutidos antes do período eleitoral (janeiro a julho de 2022) e durante (agosto a outubro de 2022), com destaque para o significativo aumento do tópico Eleições durante o período eleitoral.do eleitoral (janeiro a julho de 2022) e durante (agosto a outubro de 2022), com destaque para o significativo aumento do topico Eleic¸ ´ oes durante o per ˜ ´ıodo eleitoral.