MDLText aplicado na Filtragem Automática de SPIM e SMS Spam

Abstract

A filtragem automática de spam em mensagens instantâneas e SMS é um problema desafiador, pois as mensagens são frequentemente curtas e repletas de ruídos, tais como gírias, expressões idiomáticas, símbolos, emoticons e abreviações, o que dificulta a extração de conhecimento e predição. Para enfrentar esse problema, neste artigo é avaliado um método de classificação de texto baseado no princípio da descrição mais simples, que é eficiente, rápido, escalável, multiclasse e possui aprendizado incremental. Experimentos realizados com uma base de dados real e pública, em cenários de aprendizado online e offline, indicam que o método proposto é promissor para a tarefa de detecção de spam em mensagens instantâneas e SMS.

Teoria de aprendizagem da leitura aplicada na inferência de palavras desconhecidas

“…A tarefa de traduzir variantes léxicas de palavras e expressões normalmente ofuscadas para sua forma canônica se chama normalização léxica. As variantes léxicas e expressões podem ser encontradas de diferentes formas, como a repetição de letras observada em "goood" que pode ser traduzida para "good"; abreviações como "b4", que significa "before"; siglas como "afk" que pode ser traduzida como "away from keyboard"; ou até mesmo reduzir as palavras para radicais, removendo termos muito semelhantes como plurais ou superlativos, tais como "stores" para "store" e "largest" para "large", respectivamente (SILVA et al, 2014).…”