Label operation for multi-label learning (2020)
- Authors:
- Autor USP: SILVA, ADRIANO RIVOLLI DA - ICMC
- Unidade: ICMC
- Sigla do Departamento: SCC
- DOI: 10.11606/T.55.2020.tde-18082020-161950
- Subjects: APRENDIZADO COMPUTACIONAL; METODOLOGIA DA PESQUISA; ALGORITMOS GENÉTICOS
- Keywords: Label operation; Meta-características; Meta-features; Meta-learning; Multi-label; Multirrótulo; Operação com rótulos; Problem transformation; Transformação de problema, Meta-aprendizado
- Language: Inglês
- Abstract: Tarefas de classificação nas quais instâncias são associadas com múltiplos conceitos são conhecidas como classificação multirrótulo e devido ao alto número de aplicações e dados multirrótulos disponíveis atualmente, é grande o interesse deste assunto pela comunidade de aprendizado de máquina. Consequentemente, têm sido propostas muitas estratégias explorando diferentes particularidades desse tipo de tarefa como o desbalanceamento dos rótulos, redução de dimensionalidade e a dependência dos rótulos. No entanto, alguns aspectos que podem afetar tais estratégias são negligenciados, como as que transformam os dados multirótulos em dados monorótulos e utilizam um algoritmo base para resolver as subtarefas geradas. O impacto de se escolher um algoritmo específico em detrimento de outro é desconhecido e normalmente ignorado, assim como foi observado que muitos rótulos nunca são corretamente preditos, independentemente da estratégia utilizada. Estas questões não têm recebido a devida atenção, mesmo podendo produzir resultados enganosos, portanto, esta pesquisa tem por objetivo investigar as estratégias multirrótulos explorando essas particularidades. Para tanto, um extensivo estudo comparativo foi realizado, cujo foco é analisar a influência do algoritmo base nos resultados. Além disso, a operação de rótulo é proposta como uma estratégia de otimização capaz de reduzir o número de rótulos incorretamente preditos. Foi constatada, por meio de uma metodologia empírica, que as operaçõesde expansão e redução dos rótulos melhoraram diferentes medidas de avaliação e reduziram o problema dos rótulos não preditos, embora não completamente. O metaaprendizado foi também investigado como forma de reduzir a complexidade das operações e prover algum entendimento sobre as questões estudadas. Com isso, as medidas de caracterização para meta-aprendizado foram sistematicamente investigadas, resultando em uma nova taxonomia para organizá-las. Desse modo, as desc obertas e contribuições apresentadas aqui são relevantes, principalmente, para a área de pesquisa em aprendizado multirrótulo e meta-aprendizado, assim como levantam novas questões relacionadas a aspectos despercebidos de tais áreas. A presente tese também tem potencial impacto na metodologia experimental desse tipo de pesquisa.
- Imprenta:
- Publisher place: São Carlos
- Date published: 2020
- Data da defesa: 09.04.2020
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
SILVA, Adriano Rivolli da. Label operation for multi-label learning. 2020. Tese (Doutorado) – Universidade de São Paulo, São Carlos, 2020. Disponível em: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-18082020-161950/. Acesso em: 25 fev. 2026. -
APA
Silva, A. R. da. (2020). Label operation for multi-label learning (Tese (Doutorado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/55/55134/tde-18082020-161950/ -
NLM
Silva AR da. Label operation for multi-label learning [Internet]. 2020 ;[citado 2026 fev. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-18082020-161950/ -
Vancouver
Silva AR da. Label operation for multi-label learning [Internet]. 2020 ;[citado 2026 fev. 25 ] Available from: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-18082020-161950/
Informações sobre o DOI: 10.11606/T.55.2020.tde-18082020-161950 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
