Avaliação de Desempenho de Métodos de Classificação Aplicados na Identificação de Spam Hosts

Abstract

A web vem se tornando cada vez mais importante para seus usuários, tanto como fonte de diversão, comunicação, pesquisa, notícias e comércio. Consequentemente, os sites concorrem entre si para atrair a atenção dos usuários, sendo que muitos ganham maior visibilidade através de estratégias que enganam os motores de busca. Esses sites, conhecidos como web spam, causam prejuízos pessoais e econômicos aos usuários. Diante desse cenário, este trabalho apresenta uma análise de desempenho de diversas técnicas de aprendizagem de máquina aplicadas na detecção automática de servidores web que propagam web spam. Por meio de uma validação estatística dos resultados observou-se as técnicas de bagging de árvores de decisão, redes neurais perceptron de múltiplas camadas, floresta aleatória e boosting adaptativo de árvores de decisão são promissoras na tarefa de detecção de spam hosts.