Framework de Aprendizado Heterogêneo Baseado em Custo para Detecção de Spam em Tempo Real em Redes Sociais com Decisões de Especialistas

Com o uso generalizado das redes sociais, mensagens de spam contra elas se tornaram um grande problema. Os métodos de detecção de spam podem ser amplamente divididos em métodos baseados em especialistas e métodos baseados em aprendizado de máquina. Quando especialistas participam da detecção de spam, a precisão da detecção é bastante alta. No entanto, esse método é extremamente demorado e caro. Em contrapartida, os métodos que utilizam aprendizado de máquina têm a vantagem da automação, mas sua precisão é relativamente baixa. Este artigo propõe um framework de detecção de spam que combina e explora totalmente as vantagens de ambos os métodos. Para reduzir a carga de trabalho dos especialistas, todas as mensagens são primeiro analisadas através de um filtro primário de aprendizado de máquina, e aquelas que são consideradas mensagens normais são liberadas, enquanto mensagens suspeitas são sinalizadas. As mensagens sinalizadas são posteriormente analisadas por um especialista para aprimorar a precisão geral do sistema. No processo de filtragem, é utilizado aprendizado de máquina baseado em custo para evitar o erro fatal de classificar uma mensagem de spam como uma mensagem normal. Além disso, para elidir as tendências de spam em constante evolução, um módulo que atualiza periodicamente os resultados do diagnóstico do especialista no conjunto de dados de treinamento é incorporado ao framework. Os resultados dos experimentos realizados, em um conjunto de dados desequilibrado de tweets de spam e tweets normais em uma proporção semelhante à situação real da vida, indicam que o framework proposto tem uma taxa de detecção de spam de quase 92,8%, que é superior à técnica convencional de aprendizado de máquina. Além disso, o framework proposto apresentou desempenho estável e alto mesmo em um ambiente onde as mensagens das redes sociais mudaram continuamente, ao contrário da técnica convencional, que apresentou grandes desvios de desempenho.