Ver registro no DEDALUS
Exportar registro bibliográfico

Abordagens para aprendizado semissupervisionado multirrótulo e hierárquico (2011)

  • Authors:
  • USP affiliated authors: METZ, JEAN - ICMC
  • USP Schools: ICMC
  • Subjects: APRENDIZADO COMPUTACIONAL; MINERAÇÃO DE DADOS; PROCESSAMENTO DE TEXTO; PROGRAMAÇÃO HIERÁRQUICA
  • Keywords: Active learning; Aprendizado ativo; Aprendizado semissupervisionado; Classificação hierárquica; Classificação multirrótulo; Hierarchical classification; Multi-label classification; Semi-supervised learning
  • Language: Português
  • Abstract: A tarefa de classificação em Aprendizado de Máquina consiste da criação de modelos computacionais capazes de identificar automaticamente a classe de objetos pertencentes a um domínio pré-definido a partir de um conjunto de exemplos cuja classe é conhecida. Existem alguns cenários de classificação nos quais cada objeto pode estar associado não somente a uma classe, mas a várias classes ao mesmo tempo. Adicionalmente, nesses cenários denominados multirrótulo, as classes podem ser organizadas em uma taxonomia que representa as relações de generalização e especialização entre as diferentes classes, definindo uma hierarquia de classes, o que torna a tarefa de classificação ainda mais específica, denominada classificação hierárquica. Os métodos utilizados para a construção desses modelos de classificação são complexos e dependem fortemente da disponibilidade de uma quantidade expressiva de exemplos previamente classificados. Entretanto, para muitas aplicações é difícil encontrar um número significativo desses exemplos. Além disso, com poucos exemplos, os algoritmos de aprendizado supervisionado não são capazes de construir modelos de classificação eficazes. Nesses casos, é possível utilizar métodos de aprendizado semissupervisionado, cujo objetivo é aprender as classes do domínio utilizando poucos exemplos conhecidos conjuntamente com um número considerável de exemplos sem a classe especificada. Neste trabalho são propostos, entre outros, métodos que fazem uso do aprendizadosemissupervisionado baseado em desacordo coperspectiva, tanto para a tarefa de classificação multirrótulo plana quanto para a tarefa de classificação hierárquica. São propostos, também, outros métodos que utilizam o aprendizado ativo com intuito de melhorar a performance de algoritmos de classificação semissupervisionada. Além disso, são propostos dois métodos para avaliação de algoritmos multirrótulo e hierárquico, os quais definem estratégias para identificação dos multirrótulos majoritários, que são utilizados para calcular os valores baseline das medidas de avaliação. Foi desenvolvido um framework para realizar a avaliação experimental da classificação hierárquica, no qual foram implementados os métodos propostos e um módulo completo para realizar a avaliação experimental de algoritmos hierárquicos. Os métodos propostos foram avaliados e comparados empiricamente, considerando conjuntos de dados de diversos domínios. A partir da análise dos resultados observa-se que os métodos baseados em desacordo não são eficazes para tarefas de classificação complexas como multirrótulo e hierárquica. Também é observado que o problema central de degradação do modelo dos algoritmos semissupervisionados agrava-se nos casos de classificação multirrótulo e hierárquica, pois, nesses casos, há um incremento nos fatores responsáveis pela degradação nos modelos construídos utilizando aprendizado semissupervisionado baseado em desacordo coperspectiva
  • Imprenta:
  • Data da defesa: 25.10.2011
  • Acesso online ao documento

    Online access or search this record in

    Exemplares físicos disponíveis nas Bibliotecas da USP
    BibliotecaCód. de barrasNúm. de chamada
    ICMC30300045371T M596ap e.1
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      METZ, Jean; FREITAS, Alex Alves; MONARD, Maria Carolina. Abordagens para aprendizado semissupervisionado multirrótulo e hierárquico. 2011.Universidade de São Paulo, São Carlos, 2011. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-13012012-144607/ >.
    • APA

      Metz, J., Freitas, A. A., & Monard, M. C. (2011). Abordagens para aprendizado semissupervisionado multirrótulo e hierárquico. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-13012012-144607/
    • NLM

      Metz J, Freitas AA, Monard MC. Abordagens para aprendizado semissupervisionado multirrótulo e hierárquico [Internet]. 2011 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-13012012-144607/
    • Vancouver

      Metz J, Freitas AA, Monard MC. Abordagens para aprendizado semissupervisionado multirrótulo e hierárquico [Internet]. 2011 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-13012012-144607/

    Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI: