Detectando Avaliações Spam em uma Rede Social Baseada em Localização
Resumo
Redes sociais baseadas em localização (Location-based Social Networks - LBSNs) como Foursquare e Yelp permitem que o usuário compartilhe a sua localização geográfica com sua rede social através de smartphones que possuem GPS, busquem por locais interessantes e também postem avaliações em locais existentes. Ao permitir que os usuários comentem sobre os locais, LBSNs cada vez mais têm que lidar com diferentes formas de ataques, que visam a propaganda de mensagens não solicitadas nas avaliações sobre os locais. Neste trabalho, investigamos a tarefa de identificar diferentes tipos de spam em avaliações de uma popular LBSN brasileira, chamada Apontador. Com base em uma coleção de avaliações pré-classificadas fornecida pelo Apontador e em informações coletadas sobre usuários e locais, identificamos três tipos de avaliações irregulares que denominamos como Comercial local, Boca-suja e Poluidora. Em seguida, utilizamos o nosso estudo de caracterização em uma abordagem de classificação que foi capaz de diferenciá-las com alta precisão.
Referências
[comScore 2013] comScore (Acessado em janeiro de 2013). Nearly 1 in 5 smartphone owners access check-in services via their mobile device, http://bit.ly/mgaCIG.
[Heymann et al. 2007] Heymann, P., Koutrika, G., and Garcia-Molina, H. (2007). Fighting spam on social web sites: A survey of approaches and future challenges. IEEE Internet Computing, 11:36–45.
[Kakhki et al. 2013] Kakhki, A. M., Kliman-Silver, C., and Mislove, A. (2013). Iolaus: Securing Online Content Rating Systems. In Int’l World Wide Web Conference (WWW’13), pages 919–930.
[Tsochantaridis et al. 2005] Tsochantaridis, I., Joachims, T., Hofmann, T., and Altun, Y. (2005). Large margin methods for structured and interdependent output variables. Journal of Machine Learning Research (JMLR), 6:1453–1484.