Extraindo perfis de usuários móveis com base na lista de aplicativos e na cidade
Extracting profile of mobile users based on their list of applications and city
| dc.contributor | Silva, Fabrício Aguiar | |
| dc.contributor | http://lattes.cnpq.br/6082003509071614 | |
| dc.creator | Santos, Leonardo Júnio Alves dos | |
| dc.date | 2022-08-16T17:23:41Z | |
| dc.date | 2022-08-16T17:23:41Z | |
| dc.date | 2021-04-09 | |
| dc.date.accessioned | 2023-09-27T20:46:06Z | |
| dc.date.available | 2023-09-27T20:46:06Z | |
| dc.identifier | SANTOS, Leonardo Júnio Alves dos. Extraindo perfis de usuários móveis com base na lista de aplicativos e na cidade. 2021. 105 f. Dissertação (Mestrado em Ciência da Computação) - Universidade Federal de Viçosa, Viçosa. 2021. | |
| dc.identifier | https://locus.ufv.br//handle/123456789/29682 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/8947484 | |
| dc.description | Nos últimos anos tem-se percebido um crescimento considerável na coleta e disponi- bilidade dos dados de usuários móveis. Esse tipo de dado é importante para ajudar nas tomadas de decisões em diferentes cenários, como cidades inteligentes, redes so- ciais, comércio eletrônico e físico, além de permitir que o comportamento de usuários móveis seja conhecido e que seus interesses sejam utilizados em seu benefício. Porém, gerar um perfil capaz de contribuir com informações relevantes utilizando somente dados brutos não é uma tarefa trivial. Além disso, os tipos de coletas (i.e., ativas ou passivas.) e de dados (e.g., log de ligações e localizações) utilizados impactam diretamente na generalização dos modelos preditivos e na privacidade do usuário. Outro ponto relevante é que os trabalhos encontrados na literatura não consideram a cidade do usuário. Dessa forma, usuários que residem em cidades completamente diferentes, uma metrópole e uma cidade do interior, por exemplo, não possuem dis- tinção. Para mitigar estes problemas, este trabalho propõe uma investigação do perfil de usuários de dispositivos móveis utilizando somente a lista de aplicativos e cidade como entrada para os modelos. Para isso, são analisados os perfis dos usuários em cinco perspectivas: preço do dispositivo, tipos de estabelecimentos visitados, funcio- nalidades das áreas frequentadas, mobilidade e seus traços de personalidade. Afim de obter um perfil mais completo, é proposto o Perfil MAPED que engloba todos os perfis analisados. Para construir e avaliar todos estes perfis, uma base de dados real contendo informações de milhares de usuários móveis foi enriquecida com da- dos de diferentes fontes. Através de tal enriquecimento, foi possível criar modelos para segmentar usuários com base em seus aplicativos instalados e tipo de cidade em que residem. Ademais, para agilizar a etapa de enriquecimento semântico, foi de- senvolvido um framework facilmente extensível e que pode ser utilizado para diversos problemas. Palavras-chave: Mineração de Dados. Perfil de Usuários. Dados Móveis. | |
| dc.description | In recent years we are facing a significant increase in the collection and availability of mobile user’s data. This data type is relevant to help decision-making in different scenarios, such as smart cities, social networks, electronic and physical commerce. Besides that, this data allows the knowledge of mobile users’ behavior, benefiting themselves by using their interests. However, generating a profile capable of contri- buting relevant information using only raw data is not a trivial task. Also, the types of collections (i.e., active or passive) and data (e.g., call log and locations) used directly impact the generalization of predictive models and user privacy. Besides, the works found in the literature do not consider the city in which the user resides. Thus, users who live in very different cities, such as a metropolis and a city in the countryside, have no distinction. This work uses only the users’ list of applications and city to pro- pose an investigation of the mobile devices users’ profiles to mitigate these problems. For this purpose, we analyze the users’ profiles from five perspectives: the device’s price, types of establishments and functionalities of the areas visited, way of commu- ting, and their personality traits. We propose the MAPED Profile, which encompasses all the other profiles analyzed to obtain an integrated user profile. Also, we enriched a real database containing data from thousands of mobile users with data from dif- ferent sources. In this way, it was possible to segment users based on their installed applications and the kind of city where they reside. Besides, to streamline the seman- tic enrichment stage, we developed an easily extensible framework that may resolve various problems. Keywords: Data Mining. Users Profile. Mobile Data. | |
| dc.format | application/pdf | |
| dc.language | por | |
| dc.publisher | Universidade Federal de Viçosa | |
| dc.publisher | Ciência da Computação | |
| dc.rights | Acesso Aberto | |
| dc.subject | Mineração de dados (Computação) | |
| dc.subject | Computação móvel | |
| dc.subject | Aplicativos móveis | |
| dc.subject | Sistemas de comunicação móvel | |
| dc.subject | Ciência da Computação | |
| dc.title | Extraindo perfis de usuários móveis com base na lista de aplicativos e na cidade | |
| dc.title | Extracting profile of mobile users based on their list of applications and city | |
| dc.type | Dissertação |