Avaliação de algoritmos de detecção de novidade para classificação multirrótulo em fluxos contínuos de dados

Resumo

Fluxos Contínuos de Dados (FCDs), são sequências de dados potencialmente ilimitadas, geradas de forma contínua, não-estacionária e, em muitos casos, em alta velocidade. Muitos trabalhos de mineração em FCDs foram abordados na literatura, dentre eles destacam-se os que utilizam técnicas de Detecção de Novidades (DN). Isso porque com o uso de DN na classificação em FCDs é possível reconhecer o aparecimento de um novo conceito, uma mudança nos conceitos conhecidos ou a presença de ruídos. Estudos recentes tratam DN para classificação em FCDs como uma tarefa multi-classe, entretanto para problemas de Classificação MultiRrótulo (CMR), o uso de técnicas de DN ainda não foi explorado. Ainda, há uma quantidade limitada de trabalhos envolvendo CMR em FCDs e, desses trabalhos, nenhum lida com escassez de dados rotulados e evolução de conceito, restrições importantes na classificação em FCDs. Outro desafio encontrado no uso de DN para CMR é em como avaliar o desempenho dos algoritmos, principalmente por conta dos exemplos desconhecidos e da fase online não-supervisionada, onde Padrões Novidades (PNs) são criados sem associação direta as classes reais do problema. Desse modo, o objetivo desse projeto é desenvolver uma metodologia de avaliação baseada na proposta em de Faria et al. (2015) que seja capaz de avaliar adequadamente os métodos de DN para CMR em FCDs. (AU)