Um número crescente de empresas e indivíduos em todo o mundo está criando páginas no Facebook para fins de marketing e publicidade. Isso ocorre porque o Facebook oferece a possibilidade de se comunicar com clientes potenciais ou existentes gratuitamente, anunciando novos produtos, ofertas ou serviços.

Ainda, justamente porque esse serviço é gratuito e de fácil acesso, usuários mal-intencionados estão usando-o para criar páginas enganosas. Detectar e identificar páginas não confiáveis ​​é de fundamental importância, pois pode ajudar a alertar os usuários e reduzir a atividade maliciosa na plataforma.

Pesquisadores em todo o mundo, portanto, têm tentado desenvolver métodos para detectar e prevenir enganos no Facebook e outras plataformas de mídia social. Panida Songram, um pesquisador da Mahasarakham University, Na Tailândia, realizou recentemente um estudo que investiga o uso de aprendizado de máquina supervisionado para detectar a confiabilidade ou não de páginas do Facebook.

"Este artigo tem como objetivo detectar e investigar as características de páginas não confiáveis ​​e confiáveis ​​do Facebook, "Songram escreveu em seu artigo, que foi publicado na revista Artificial Life and Robotics da Springer. "Modelos eficazes de aprendizado de máquina e métodos de seleção de recursos também são investigados para detectar páginas confiáveis ​​e não confiáveis."

A Songram extraiu um grande número de recursos que podem ajudar a determinar se uma página é confiável ou não, incluindo detalhes da página, informações sobre um produto ou serviço, respostas do usuário e comportamento de postagem do administrador da página. Em seguida, ela treinou uma ferramenta de aprendizado de máquina supervisionada para analisar esses recursos e classificar as páginas como confiáveis ​​ou não confiáveis.

"Primeiro, As páginas do Facebook são coletadas aleatoriamente e, em seguida, rotuladas por cinco usuários, "Songram explicou em seu artigo." As páginas do Facebook com a concordância de cinco usuários são selecionadas e suas informações são recuperadas usando a API Graph do Facebook. Próximo, recursos são extraídos das informações e investigados nos experimentos. "

A Songram avaliou a eficácia de diferentes classificadores na detecção de páginas confiáveis ​​e não confiáveis. Ela descobriu que KNN era o melhor classificador, atingindo 88,67 por cento de precisão. Ela também realizou uma análise dos recursos da página do Facebook, para entender melhor o que normalmente caracteriza páginas confiáveis ​​ou não confiáveis.

"Para páginas não confiáveis, o número de dias entre a data da última postagem e a data de recuperação é alto e o número de postagens por semana (frequência de postagens) é muito pequeno, "Songram escreveu em seu artigo." Isso indica que páginas não confiáveis ​​não estão ativas, enquanto as páginas confiáveis ​​estão ativas. "

Songram observou que a quantidade de pessoas discutindo páginas não confiáveis ​​online é significativamente menor do que aquelas falando sobre páginas confiáveis. Uma possível explicação para isso é que muitas vezes os usuários percebem que as páginas não são confiáveis ​​e, portanto, não falam sobre elas online. Postagens em páginas confiáveis ​​também continham muito mais URLs do que aquelas em páginas não confiáveis, bem como mais informações sobre a empresa e seus produtos / serviços.

Usando o que ela descobriu ser os 10 principais recursos para determinar a confiabilidade de uma página do Facebook, Songram alcançou uma precisão de classificação de 91,37 por cento. No futuro, suas descobertas podem ajudar no desenvolvimento de ferramentas mais eficazes para detectar rapidamente páginas não confiáveis ​​do Facebook.

© 2018 Science X Network