Ce diaporama a bien été signalé.
Nous utilisons votre profil LinkedIn et vos données d’activité pour vous proposer des publicités personnalisées et pertinentes. Vous pouvez changer vos préférences de publicités à tout moment.

Proposta de um modelo de aprendizado competitivo para classificacao hierarquica multirrotulo

Resumo Simples apresentado em forma de poster no evento MEETING DATA em São Carlos:

  • Identifiez-vous pour voir les commentaires

  • Soyez le premier à aimer ceci

Proposta de um modelo de aprendizado competitivo para classificacao hierarquica multirrotulo

  1. 1. Proposta de um Modelo de Aprendizado Competitivo para Classificação Hierárquica Multirrótulo Elaine Cecília Gatto1, Ricardo Cerri2 1 Faculdade Anhanguera de Bauru, elainececiliagatto@gmail.com 2 Universidade Federal de São Carlos, cerri@dc.ufscar.br A Classificação Hierárquica Multirrótulo (CHM) é um problema desafiador da área de Aprendizado de Máquina (AM), sendo considerada uma tarefa complexa dentro da Classificação de Dados[1], possuindo aplicações em áreas como Bioinformática, classificação de textos e imagens. Um problema de CHM pode ser formalizado como possuindo um espaço de exemplos X; um conjunto de classes C; uma ordem parcial que representa o relacionamento superclasse ≤h; sendo que ∀ c1, c2 ∈ C : c1 ≤h c2 ⇔c1 uma superclasse de c2; uma hierarquia de Classes (C,≤h), um conjunto de tuplas (xi, Ci) sendo xi ∈ X, Ci ⊆ C | c ∈ Ci ⇒∀c’ ≤h c : c’ ∈ Ci; um critério de qualidade q que recompensa modelos com alto desempenho preditivo e baixa complexidade, e por fim, uma função f:X → 2C; sendo 2C o conjunto de potência de C, | c ∈ f(x) ⇒ ∀c’ ≤h c : c’ ∈ f(x) e f otimiza q[2]. As classes em um problema de CHM podem ser organizadas como uma Árvore ou como um Grafo Acíclico Direcionado. Dada essa taxonomia, os algoritmos de AM devem rotular objetos como pertencentes a múltiplos caminhos simultaneamente[3]. Abordagens Competitivas, que aplicam aprendizado não supervisionado, têm sido recentemente aplicadas para resolução de problemas envolvendo CHM, porém, ainda há poucos trabalhos que relatam soluções aplicando Abordagens Competitivas Híbridas, mesclando aprendizado supervisionado e não- supervisionado. Portanto, este projeto de pesquisa tem como objetivo investigar como o aprendizado competitivo, usando redes neurais artificiais, pode colaborar para tarefas de CHM. Abordagens não supervisionadas podem ser interessantes dado que, quanto mais profunda uma classe na hierarquia, menos exemplos positivos ela possui, dificultando o aprendizado supervisionado. Palavras-Chave: Aprendizado de Máquina, Aprendizado Competitivo, Aprendizado Semi- Supervisionado, Aprendizado Supervisionado, Tarefas de Classificação, Classificação
  2. 2. Hierárquica, Classificação Hierárquica Multirrótulo, Classificação Global, Classificação Local, Redes Neurais Artificiais. Referências [1] WEHRMANN, J.; CERRI, R.; BARROS, R.C.Hierarchical Multi-Label Classification Networks. In Proceedings of the 35th International Conference on Machine Learning, PMLR 80:5075-5084, 2018. [2] VENS, C., STRUYF, J. SCHIETGAT, L.; DZEROSKI, S.;BLOCKEEL, H. Decision Trees for Hierarchical Multi-Label Classification. Machine Learning, 73(2);185-24. [3] BORGER, H. B. Classificador Hierárquico Multirrótulo usando uma rede neural competitiva. Tese (Doutorado em Informática) – Programa de Pós-Graduação em Informática, Pontificia Universidade Católica do Paraná. Curitiba, p.4, 2012.

×