SBBD

Paper Registration

1

Select Book

2

Select Paper

3

Fill in paper information

4

Congratulations

Fill in your paper information

English Information

(*) To change the order drag the item to the new position.

Authors
# Name
1 Mariana Silva(mariana.santos@dcc.ufmg.br)
2 Amanda Paula(amanda.fagundes@dcc.ufmg.br)
3 Gabriel Oliveira(gabrielpoliveira@dcc.ufmg.br)
4 Iago Vaz(iagoadvaz@dcc.ufmg.br)
5 Henrique Hott(henriquehott@dcc.ufmg.br)
6 Larissa Gomide(larissa.gomide@dcc.ufmg.br)
7 Arthur Reis(arthurpetrocchi@ufmg.br)
8 Bárbara Mendes(barbaramit@ufmg.br)
9 Clara Bacha(clarabacha@ufmg.br)
10 Lucas Costa(lucas-lage@ufmg.br)
11 Michele Brandão(michele.brandao@dcc.ufmg.br)
12 Anisio Lacerda(anisio@dcc.ufmg.br)
13 Gisele Pappa(glpappa@dcc.ufmg.br)

(*) To change the order drag the item to the new position.

Reference
# Reference
1 Abidi, W. U. H., Daoud, M. S., Ihnaini, B., Khan, M. A., Alyas, T., Fatima, A., & Ahmad, M. (2021). Real-time shill bidding fraud detection empowered with fussed machine learning. IEEE Access, 9, 113612-113621.
2 Anowar, F., & Sadaoui, S. (2019, May). Multi-class Ensemble Learning of Imbalanced Bidding Fraud Data. In Canadian Conference on Artificial Intelligence (pp. 352-358). Springer, Cham.
3 de Ramos Araújo, L., & de Souza, J. F. (2011). Aumentando a transparência do governo por meio da transformação de dados governamentais abertos em dados ligados. Revista Eletrônica de Sistemas de Informação, 10(1).
4 Clarindo, J. P., Fontes, W., & Coutinho, F. (2020). Qualisus: um dataset sobre dados da saúde pública no brasil. Proceedings of 2nd SBBD DSW, 418-428.
5 Costa, L. L., Reis, A. P., Bacha, C. A., Oliveira, G. P., Silva, M. O., Teixeira, M. C., ... & Pappa, G. L. (2022, July). Alertas de fraude em licitações: Uma abordagem baseada em redes sociais. In Anais do XI Brazilian Workshop on Social Network Analysis and Mining (pp. 37-48). SBC.
6 Gabardo, A. C., & Lopes, H. S. (2014, September). Using social network analysis to unveil cartels in public bids. In 2014 European Network Intelligence Conference (pp. 17-21). IEEE.
7 Lima, M., Silva, R., de Souza Mendes, F. L., de Carvalho, L. R., Araujo, A., & de Barros Vidal, F. (2020, November). Inferring about fraudulent collusion risk on Brazilian public works contracts in official texts using a Bi-LSTM approach. In Findings of the Association for Computational Linguistics: EMNLP 2020 (pp. 1580-1588).
8 Lyra, M. S., Curado, A., Damásio, B., Bação, F., & Pinheiro, F. L. (2021). Characterization of the firm–firm public procurement co-bidding network from the State of Ceará (Brazil) municipalities. Applied Network Science, 6(1), 1-10.
9 Mata, W. R. R. et al. (2019). JusBD: Um Banco de Dados para Obtenção de Informações do Poder Judiciário. SBBD DSW, 398-407.
10 Meera, S., & Geerthik, S. (2022). Natural language processing. Artificial Intelligent Techniques for Wireless Communication and Networking, 139-153.
11 Muniz, R. I. V. C. S. & Lóscio, B. F. (2018). Publicação de Dados Abertos Conectados Sobre os Transplantes Realizados no IMIP. In SBBD WTDBD, Rio de Janeiro, Brasil.
12 de Oliveira, E. F., & Silveira, M. S. (2018, May). Open government data in Brazil a systematic review of its uses and issues. In Proceedings of the 19th Annual International Conference on Digital Government Research: Governance in the Data Age (pp. 1-9).
13 Pereira, L. S. (2022). Caracterização da comunidade que utiliza dados abertos governamentais sobre a educação brasileira. Master’s thesis, Universidade Federal de Campina Grande, Campina Grande, Brasil.
14 Pereira, R. D., & Murai, F. (2021, July). Quão efetivas são Redes Neurais baseadas em Grafos na Detecção de Fraude para Dados em Rede?. In Anais do X Brazilian Workshop on Social Network Analysis and Mining (pp. 205-210). SBC.
15 Shimron, E., Tamir, J. I., Wang, K., & Lustig, M. (2022). Implicit data crimes: Machine learning bias arising from misuse of public data. Proceedings of the National Academy of Sciences, 119(13), e2117203119.
16 da Silva, L. C., Junior, R. D. V. C., de Araújo Lopes, H., & dos Santos, M. (2020). Utilização de técnicas de Mineração de Dados para detectar possíveis relacionamentos entre empresas participantes de licitações nas Forças Armadas. Acanto em Revista, 7(7), 85-85.
17 van Erven, G. C., Holanda, M., & Carvalho, R. N. (2017, April). Detecting evidence of fraud in the brazilian government using graph databases. In World conference on information systems and technologies (pp. 464-473). Springer, Cham.
18 Velasco, R. B., Carpanese, I., Interian, R., Paulo Neto, O. C., & Ribeiro, C. C. (2021). A decision support system for fraud detection in public procurement. International Transactions in Operational Research, 28(1), 27-47.