Em artigo publicado na revista Applied Soft Computing, pesquisadores do Recod.ai propõem novo método de coleta e processamento de dados sobre eventos do mundo real.
O aumento súbito no compartilhamento de dados em redes sociais sobre um acontecimento representa grande desafio para a coleta e processamento de dados relativos ao evento. A tarefa exige complexos processos de limpeza e filtragem de dados para tornar possível a separação automatizada de dados relevantes e irrelevantes. Essa distinção é importante sobretudo para profissionais da área forense, que utilizam dados das redes sociais para reconstruir acontecimentos.
Os pesquisadores propõem um novo método de data sifting (filtragem de dados). A abordagem possibilita um aprendizado dinâmico através de uma técnica semi supervisionada que requer amostragens pequenas de dados classificados (ultra-small data learning). Ao permitir o uso de amostragens menores, o método proporciona uma redução de repetições e redundância feitas pela ferramenta ao correlacionar conteúdos e dados sobre um acontecimento.
Após testes de performance com 5 bases de dados sobre eventos, os pesquisadores observaram que a técnica de data sifting com amostragens reduzidas alcança melhores resultados de classificação e maior eficiência dos processos computacionais, gerando menos gastos energéticos em comparação com outras abordagens.
Acesse a publicação em: https://lnkd.in/dPiJVxHM