Ontology-driven urban issues identification from social media.

As cidades em todo o mundo enfrentam muitos problemas diretamente relacionados ao espaco urbano, especialmente nos aspectos de infraestrutura. A maioria desses problemas urbanos geralmente afeta a vida de residentes e visitantes. Por exemplo, as pessoas podem relatar um carro estacionado em uma calcada que esta forcando os pedestres a andar na via, ou um enorme buraco que esta causando congestionamento. Alem de estarem relacionados com o espaco urbano, os problemas urbanos geralmente demandam acoes das autoridades municipais. Existem diversas Redes Sociais Baseadas em Localizacao (LBSN, em ingles) no dominio das cidades inteligentes em todo o mundo, onde as pessoas relatam problemas urbanos de forma estruturada e as autoridades locais tomam conhecimento para entao soluciona-los. Com o advento das redes sociais como Facebook e Twitter, as pessoas tendem a reclamar de forma nao estruturada, esparsa e imprevisivel, sendo dificil identificar problemas urbanos eventualmente relatados. Dados de midia social, especialmente mensagens do Twitter, fotos e check-ins, tem desempenhado um papel importante nas cidades inteligentes. Um problema chave e o desafio de identificar conversas especificas e relevantes ao processar dados crowdsourcing ruidosos. Neste contexto, esta pesquisa investiga metodos computacionais a fim de fornecer uma identificacao automatizada de problemas urbanos compartilhados em midias sociais. A maioria dos trabalhos relacionados depende de classificadores baseados em tecnicas de aprendizado de maquina, como SVM, Naive Bayes e Arvores de Decisao; e enfrentam problemas relacionados a representacao do conhecimento semântico, legibilidade humana e capacidade de inferencia. Com o objetivo de superar essa lacuna semântica, esta pesquisa investiga a Extracao de Informacao baseada em ontologias, a partir da perspectiva de problemas urbanos, uma vez que tais problemas podem ser semanticamente interligados em plataformas LBSN. Dessa forma, este trabalho propoe uma ontologia no dominio de Problemas Urbanos (UIDO) para viabilizar a identificacao e classificacao dos problemas urbanos em uma abordagem automatizada que foca principalmente nas facetas tematica e geografica. Uma avaliacao experimental demonstra que o desempenho da abordagem proposta e competitivo com os algoritmos de aprendizado de maquina mais utilizados, quando aplicados a este dominio em particular.