iSys - Brazilian Journal of Information Systems

Editorial Vol. 10, Nº 4

Raimundo Santos Moura — 2020-07-31

A iSys é uma publicação científica da Comissão Especial de Sistemas de Informação (CESI) da Sociedade Brasileira de Computação (SBC), com o apoio do Programa de Pós-Graduação em Informática (PPGI) do Departamento de Informática Aplicada (DIA) da UNIRIO. A revista é distribuída em formato eletrônico através do Sistema Eletrônico de Editoração de Revistas (http://www.seer.unirio.br/index.php/isys/index).

Nesta presente edição – de número 4 do Volume 13 (2020) – apresentamos 2 (dois) trabalhos no formato versão estendida dos melhores artigos completos do VIII Brazilian Workshop on Social Network Analysis and Mining(BraSNAM 2019) e 4 (quatro) trabalhos no formato versão estendida dos melhores artigos completos do XV Simpósio Brasileiro de Sistemas de Informação (SBSI 2019). O processo de avaliação das versões estendidas do BraSNAM 2019 foi conduzido por Raimundo Santos Moura (UFPI) e Giseli Rabello Lopes (UFRJ), coordenadores do BraSNAM 2019. Por sua vez, o processo de avaliação das versões estendidas do SBSI 2019 foi conduzido por Rodrigo Pereira dos Santos (UNIRIO) e Davi Viana (UFMA), coordenadores do SBSI 2019.

A Graph-Based Method for Predicting the Helpfulness of Product Opinions

Rogério Figueredo de Sousa — 2020-07-31

This manuscript presents a new approach to predict the helpfulness of opinions. Usually, researchers in this area use tables of attribute-value to aggregate the features that represent the evaluated texts. In this manuscript, this task is modeled as a network, considering the information of relations among objects in the network (comments, stars, and words). A regularization technique of graphs is used to extract the relevant features of graph structure and, after that, the comments are classified as helpful or unhelpful. We compared our network model with two baselines methods, one based on fuzzy logic and other based on Neural Networks. Our model outperformed the fuzzy logic method in 0.17 of F1 measure and 0.19 of F1 on Neural Network method.

Identificação de predadores sexuais brasileiros em conversas textuais na internet por meio de aprendizagem de máquina

Leonardo Ferreira dos Santos — 2020-07-31

Nos dias de hoje um grande número de crianças e adolescentes tem usado aplicações sociais. De fácil acesso, essas aplicações promovem benefícios e oportunidades. No entanto, ao mesmo tempo, expõem os usuários à diferentes riscos, dentre os quais a atividade predatória sexual. A atividade predatória sexual possui diversas finalidades como a obtenção de pornografia infantil, a extorsão e o abuso sexual. O presente trabalho possui três objetivos principais: (i) criar um conjunto de dados de conversas textuais contendo atividade sexual predatória real para o português do Brasil; (ii) realizar uma análise estatística das conversas textuais presentes nesse conjunto de dados; (iii) realizar uma avaliação experimental considerando os algoritmos de aprendizado de máquina mais populares no domínio da pesquisa com o conjunto de dados construído. Essa avaliação considera a medida de F1 como base. Os resultados alcançados com as contribuições (i) e (ii) possibilitam que novos estudos possam se concentrar na problemática da identificação de predadores sexuais em conversas textuais para o português do Brasil. Os resultados obtidos com a contribuição (iii) evidenciam que as Máquinas de vetores de suporte obtiveram o melhor comportamento, apresentando um resultado de 89.87%.

Process Mining Techniques in Internal Auditing: A Stepwise Case Study

Flavia Maria Santoro — 2020-07-31

A business process is a sequence of activities organized in a logical way in order to produce a service or a product that is valued for a particular group of customers. Process auditing in corporate environment aims to assess the degree of compliance of processes and their controls. Due to the volume of information that needs to be analyzed in an audit job, auditing´s cost can be very high. We argue that process mining techniques have the potential to improve this activity, allowing the auditor to meet the short deadlines, as well as bringing greater value to the senior management and reliability in the service provided by the audit. The goal of this paper is to discuss, through a case study, how process mining techniques can optimize and bring agility to the verification of process model compliance against the process actually performed. With this approach, it will be possible to detect errors and/or failures in activities or controls of a running process. The main contribution of this paper is to describe a simple set of steps that could be applied by auditors and experts in order to get introduced and to obtain the first insights in the process mining area.

Minerando Regras de Associação de Multirrelação na Web de Dados

Felipe Alves de Oliveira — 2020-07-31

A Web de Dados é uma relevante e crescente fonte de dados que contém informações distribuídas em diferentes datasets interligados. A maioria dos algoritmos de mineração de dados foi projetada para analisar um único dataset por vez, e, consequentemente, não consegue explorar as conexões entre datasets da Web de Dados. Para suprir essa lacuna, este trabalho propõe o MRAR+, um algoritmo de mineração de grafos que busca por regras de associação multirrelação a fim de identificar conhecimentos novos que envolvam recursos de múltiplos datasets da Web de Dados. O MRAR+ foi aplicado com sucesso em dois experimentos e produziu regras novas e úteis para os usuários, ilustrando a sua viabilidade para minerar diferentes datasets interligados na Web de Dados.

Comparing Concept Drift Detection with Process Mining Software

Nicolas Jashchenko Omori — 2020-07-31

Organisations have seen a rise in the volume of data corresponding to business processes being recorded. Handling process data is a meaningful way to extract relevant information from business processes with impact on the company's values. Nonetheless, business processes are subject to changes during their executions, adding complexity to their analysis. This paper aims at evaluating currently available process mining tools and software that handle concept drifts, i.e. changes over time of the statistical properties of the events occurring in a process. We provide an in-depth analysis of these tools, comparing their differences, advantages, and disadvantages by testing against a log taken from a Process Control System. Thus, by highlighting the trade-off between the software, the paper gives the stakeholders the best options regarding their case use.

A Multi-label Classification System to Distinguish among Fake, Satirical, Objective and Legitimate News in Brazilian Portuguese

Janaína Ignacio de Morais — 2020-07-31

Currently, there has been a significant increase in the diffusion of fake news worldwide, especially the political class, where the possible misinformation that can be propagated, appearing at the elections debates around the world. However, news with a recreational purpose, such as satirical news, is often confused with objective fake news. In this work, we decided to address the differences between objectivity and legitimacy of news documents, where each article is treated as belonging to two conceptual classes: objective/satirical and legitimate/fake. Therefore, we propose a DSS (Decision Support System) based on a Text Mining (TM) pipeline with a set of novel textual features using multi-label methods for classifying news articles on these two domains. For this, a set of multi-label methods was evaluated with a combination of different base classifiers and then compared with a multi-class approach. Also, a set of real-life news data was collected from several Brazilian news portals for these experiments. Results obtained reported our DSS as adequate (0.80 f1-score) when addressing the scenario of misleading news, challenging the multi-label perspective, where the multi-class methods (0.01 f1-score) overcome by the proposed method. Moreover, it was analyzed how each stylometric features group used in the experiments influences the result aiming to discover if a particular group is more relevant than others. As a result, it was noted that the complexity group of features could be more relevant than others.