Utilizando aprendizado por representação para a classificação de laços sociais da IoT

A Internet of Things (IoT) tem sido marcada pelas interações entre dispositivos que cooperam para realizar atividades. A partir deste ambiente cibernético e conectado, um possível paradigma derivado é o Social IoT (SIoT), onde múltiplos tipos de relacionamentos e confiabilidade podem ser estabelecidos entre dispositivos. Neste cenário, abordamos as questões de como modelar laços sociais em IoT e na proposição de modelos para, automaticamente, classificar e predizer relações em SIoT. Este artigo propõe a utilização de aprendizado por representação para classificar diferentes tipos de laços sociais em SIoT. Para isso, utiliza-se como estratégias para classificação Graph Neural Networks (GNN) ou Algoritmos Tradicionais de Classificação (ATC). Em nossos experimentos, GNN é rápido na etapa de treinamento e apresenta métricas F1-{macro, micro} de 0.61 e 0.88, respectivamente. Ao usar ATC, o treinamento é 121× até 11.235× mais lento que GNN, ao passo que as métricas F1-score alcançam 0.86 e 0.95, respetivamente.

Please cite:

@inproceedings{junior2022utilizando,
 author = {Jamisson J. Júnior and Thiago Figueiredo and Ramon Lopes and Luiz Torres and Bruno Santos},
 title = { Utilizando aprendizado por representação para a classificação de laços sociais da IoT},
 booktitle = {Anais do VI Workshop de Computação Urbana},
 location = {Fortaleza},
 year = {2022},
 keywords = {},
 issn = {2595-2706},
 pages = {112--125},
 publisher = {SBC},
 address = {Porto Alegre, RS, Brasil},
 doi = {10.5753/courb.2022.223493},
 url = {https://sol.sbc.org.br/index.php/courb/article/view/21448}
}

Jamisson J. Júnior, Thiago Figueiredo, Ramon Lopes, Luiz Torres, Bruno Santos

Founding agencies: CNPq/CAPES/FAPEMIG.