Utilizando aprendizado por representação para a classificação de laços sociais da IoT
Nenhuma Miniatura disponível
Data
2022
Título da Revista
ISSN da Revista
Título de Volume
Editor
Resumo
A 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.
Descrição
Palavras-chave
Citação
PEREIRA Júnior, J. J. M. et al. .Utilizando aprendizado por representação para a classificação de laços sociais da IoT. In: WORKSHOP DE COMPUTAÇÃO URBANA (COURB), 6. , 2022, Fortaleza. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2022 . Disponível em: <https://sol.sbc.org.br/index.php/courb/article/view/21448>. Acesso em 18 jan. 2023.