Exportar registro bibliográfico

Aprendizado de máquina com informação privilegiada: abordagens para agrupamento hierárquico de textos (2014)

  • Authors:
  • Autor USP: MARCACINI, RICARDO MARCONDES - ICMC
  • Unidade: ICMC
  • Sigla do Departamento: SCC
  • Subjects: APRENDIZADO COMPUTACIONAL; MINERAÇÃO DE DADOS; COMPUTAÇÃO EVOLUTIVA
  • Keywords: Agrupamento hierárquico de textos; Hierarchical text clustering; Informação privilegiada; Machine learning; Privileged information
  • Language: Português
  • Abstract: Métodos de agrupamento hierárquico de textos são muito úteis para analisar o conhecimento embutido em coleções textuais, organizando os documentos textuais em grupos e subgrupos para facilitar a exploração do conhecimento em diversos níveis de granularidade. Tais métodos pertencem à área de aprendizado não supervisionado de máquina, uma que vez obtêm modelos de agrupamento apenas pela observação de regularidades existentes na coleção textual, sem supervisão humana. Os métodos tradicionais de agrupamento assumem que a coleção textual é representada apenas pela informação técnica, ou seja, palavras e frases extraídas diretamente dos textos. Por outro lado, em muitas tarefas de agrupamento existe conhecimento adicional e valioso a respeito dos dados, geralmente extraído por um processo avançado com apoio de usuários especialistas do domínio do problema. Devido ao alto custo para obtenção desses dados, esta informação adicional é definida como privilegiada e usualmente está disponível para representar apenas um subconjunto dos documentos textuais. Recentemente, um novo paradigma de aprendizado de máquina denominado LUPI (Learning Using Privileged Information) foi proposto por Vapnik para incorporar informação privilegiada em métodos aprendizado supervisionado. Neste trabalho de doutorado, o paradigma LUPI foi estendido para aprendizado não supervisionado, em especial, para agrupamento hierárquico de textos. Foram propostas e avaliadas abordagens para lidar com diferentesdesafios existentes em tarefas de agrupamento, envolvendo a extração e estruturação da informação privilegiada e seu uso para refinar ou corrigir modelos de agrupamento. As abordagens propostas se mostraram eficazes em (i) consenso de agrupamentos, permitindo combinar diferentes representações e soluções de agrupamento; (ii) aprendizado de métricas, em que medidas de proximidades mais robustas foram obtidas com base na informação privilegiada; e (iii) seleção de modelos, em que a informação privilegiada é explorada para identificar relevantes estruturas de agrupamento hierárquico. Todas as abordagens apresentadas foram investigadas em um cenário de agrupamento incremental, permitindo seu uso em aplicações práticas caracterizadas pela necessidade de eficiência computacional e alta frequência de publicação de novo conhecimento textual
  • Imprenta:
  • Data da defesa: 14.10.2014
  • Acesso à fonte
    How to cite
    A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

    • ABNT

      MARCACINI, Ricardo Marcondes; HRUSCHKA, Eduardo Raul; REZENDE, Solange Oliveira. Aprendizado de máquina com informação privilegiada: abordagens para agrupamento hierárquico de textos. 2014.Universidade de São Paulo, São Carlos, 2014. Disponível em: < http://www.teses.usp.br/teses/disponiveis/55/55134/tde-05082015-094733/ >.
    • APA

      Marcacini, R. M., Hruschka, E. R., & Rezende, S. O. (2014). Aprendizado de máquina com informação privilegiada: abordagens para agrupamento hierárquico de textos. Universidade de São Paulo, São Carlos. Recuperado de http://www.teses.usp.br/teses/disponiveis/55/55134/tde-05082015-094733/
    • NLM

      Marcacini RM, Hruschka ER, Rezende SO. Aprendizado de máquina com informação privilegiada: abordagens para agrupamento hierárquico de textos [Internet]. 2014 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-05082015-094733/
    • Vancouver

      Marcacini RM, Hruschka ER, Rezende SO. Aprendizado de máquina com informação privilegiada: abordagens para agrupamento hierárquico de textos [Internet]. 2014 ;Available from: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-05082015-094733/


Digital Library of Intellectual Production of Universidade de São Paulo     2012 - 2020