Pereira Júnior, Jamisson Jader MoraesFigueiredo, Thiago SilvaLopes, RamonTorres, Luiz Carlos BambirraSantos, Bruno P2023-01-182023-01-182022PEREIRA 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. 2023.2595-2706http://www.repositorio.ufop.br/jspui/handle/123456789/15981A 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.pt-BRabertoAttribution-NonCommercial-NoDerivs 3.0 United StatesTrabalho apresentado em eventoOs autores dos artigos publicados nos Anais do CoUrb retêm os direitos autorais de suas obras e autorizam a SBC a publicá-las de acordo com os termos da licença Creative Commons Attribution-NonComercial 4.0 International Public License (CC BY-NC 4.0). Dessa forma, fica permitido aos autores ou a terceiros a reprodução ou distribuição, em parte ou no todo, de material extraído dessas obras, de forma verbatim, adaptada ou remixada, bem como a criação ou produção a partir do conteúdo dessas obras, para fins não comerciais, desde que sejam atribuídos os devidos créditos às criações originais. Cópias das obras não devem ser utilizadas de nenhum modo que implique o endosso da SBC. Fonte: Anais do workshop de Computação Urbana. Disponível em <https://sol.sbc.org.br/index.php/courb/about/editorialTeam>. Acesso em: 18 jan. 2023https://sol.sbc.org.br/index.php/courb/article/view/21448https://doi.org/10.5753/courb.2022.223493.