Aprendizado semissupervisionado via redes complexas: construção de redes, seleção e propagação de rótulos e aplicações

• Processo: 18/01722-3
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Data de Início da vigência: 01 de outubro de 2018
• Data de Término da vigência: 30 de novembro de 2020
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Sistemas de Computação
• Pesquisador responsável: Lilian Berton
• Beneficiário: Lilian Berton
• Instituição Sede: Instituto de Ciência e Tecnologia (ICT). Universidade Federal de São Paulo (UNIFESP). Campus São José dos Campos. São José dos Campos , SP, Brasil
• Pesquisadores associados: Didier Augusto Vega Oliveros ; Elbert Einstein Nehrer Macau ; Evangelos Milios ; Otávio Augusto Bizetto Penatti
• Bolsa(s) vinculada(s): 19/24951-0 - Aprendizado semissupervisionado baseado em redes complexas e aplicações: análise de dados climáticos, BP.TT; 19/17292-0 - Aprendizado semissupervisionado baseado em redes complexas e aplicações: processamento de textos, BP.TT; 18/22258-3 - Aprendizado semissupervisionado baseado em redes complexas e aplicações: análise de dados climáticos, BP.TT; 18/22264-3 - Aprendizado semissupervisionado baseado em redes complexas e aplicações: processamento de textos, BP.TT
• Assunto(s): Inteligência computacional Aprendizado computacional Redes complexas Mineração de texto Classificação de dados Aprendizado semissupervisionado
• Palavra(s)-Chave do Pesquisador: Análise de dados climáticos | Aprendizado de Máquina | Aprendizado Semissupervisionado | Classificação de Dados | Mineração de Textos | Redes Complexas | Inteligência Computacional

Resumo

O aprendizado semissupervisionado (SSL) baseado em rede é um paradigma promissor para modelar o manifold no espaço multi-dimensional dos dados, além de ser efetivo na propagação de uma pequena quantidade de rótulos iniciais para uma grande quantidade de dados não rotulados. Essa abordagem tem sido utilizada em uma variedade de aplicações, como segmentação e anotação de imagens, reconhecimento de fala humana, classificação de textos, etc. Recentemente foi observado por diversos autores a importância da rede gerada para o processo de propagação de rótulos, porém outros aspectos ainda foram pouco investigados, como por exemplo, a seleção dos exemplos iniciais rotulados, ou as características topológicas da rede. Assim, o objetivo deste projeto é investigar em profundidade todas as etapas envolvidas no SSL, incluindo a seleção de rótulos iniciais, a seleção do tipo de rede a ser construída e do método para propagação de rótulos, além de propor novas abordagens para melhorar o resultado desse processo. Também serão endereçados desafios da área como rótulos contaminados ou desbalanceados, bases de dados de grande proporção e aplicações em mineração de textos, análise de dados climáticos e data augmentation para imagens. (AU)

Publicações científicas

(15)

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

SANO, HUMBERTO HAYASHI; BERTON, LILIAN. Temporal Event Graph Approach and Robustness Analysis for Air Transport Networ. IEEE TRANSACTIONS ON NETWORK SCIENCE AND ENGINEERING, v. 8, n. 4, p. 3453-3464, OCT 1 2021. (18/01722-3)

FERREIRA, LEONARDO N.; VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; CARDOSO, MANOEL F.; MACAU, ELBERT E. N.. Global fire season severity analysis and forecasting. Computers & Geosciences, v. 134, JAN 2020. (13/07375-0, 17/05831-9, 16/23698-1, 15/50122-0, 19/00157-3, 18/03211-6, 18/01722-3)

SANO, HUMBERTO HAYASHI; BERTON, LILIAN; ACM. Topology and Robustness Analysis of Temporal Air Transport Network. PROCEEDINGS OF THE 35TH ANNUAL ACM SYMPOSIUM ON APPLIED COMPUTING (SAC'20), v. N/A, p. 4-pg., 2020-01-01. (18/01722-3)

SOUSA, SAMUEL; MILIOS, EVANGELOS; BERTON, LILIAN; IEEE. Word sense disambiguation: an evaluation study of semi-supervised approaches with word embeddings. 2020 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2020-01-01. (18/01722-3, 18/09465-0)

DE AQUINO AFONSO, BRUNO KLAUS; BERTON, LILIAN; ACM. Analysis of label noise in graph-based semi-supervised learning. PROCEEDINGS OF THE 35TH ANNUAL ACM SYMPOSIUM ON APPLIED COMPUTING (SAC'20), v. N/A, p. 8-pg., 2020-01-01. (18/15014-0, 18/01722-3)

DE AQUINO AFONSO, BRUNO KLAUS; BERTON, LILIAN. Identifying noisy labels with a transductive semi-supervised leave-one-out filter. PATTERN RECOGNITION LETTERS, v. 140, p. 127-134, DEC 2020. (18/01722-3, 18/15014-0)

DUARTE, JOSE MARCIO; SOUSA, SAMUEL; MILIOS, EVANGELOS; BERTON, LILIAN. Deep analysis of word sense disambiguation via semi-supervised learning and neural word representations. INFORMATION SCIENCES, v. 570, p. 278-297, SEP 2021. (18/01722-3, 18/09465-0)

VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; BERTON, LILIAN. Evaluating link prediction by diffusion processes in dynamic networks. SCIENTIFIC REPORTS, v. 9, JUL 25 2019. (18/24260-5, 13/07375-0, 18/01722-3, 16/23698-1, 15/50122-0)

FREITAS, VANDER L. S.; YANCHUK, SERHIY; ZAKS, MICHAEL; MACAU, ELBERT E. N.. Synchronization-based symmetric circular formations of mobile agents and the generation of chaotic trajectories. COMMUNICATIONS IN NONLINEAR SCIENCE AND NUMERICAL SIMULATION, v. 94, MAR 2021. (17/24224-6, 17/04552-9, 15/50122-0, 18/01722-3)

COTACALLAPA, MOSHE; BERTON, LILIAN; FERREIRA, LEONARDO N.; QUILES, MARCOS G.; ZHAO, LIANG; MACAU, ELBERT E. N.; VEGA-OLIVEROS, DIDIER A.; IEEE. Measuring the engagement level in encrypted group conversations by using temporal networks. 2020 INTERNATIONAL JOINT CONFERENCE ON NEURAL NETWORKS (IJCNN), v. N/A, p. 8-pg., 2020-01-01. (17/05831-9, 16/23698-1, 16/16291-2, 18/24260-5, 15/50122-0, 18/01722-3, 19/00157-3)

VEGA-OLIVERO, DIDIER A.; GOMES, PEDRO SPOLJARIC; MILIOS, EVANGELOS E.; BERTON, LILIAN. A multi-centrality index for graph-based keyword extraction. INFORMATION PROCESSING & MANAGEMENT, v. 56, n. 6, NOV 2019. (18/01722-3, 18/24260-5, 16/23698-1, 15/50122-0)

DE OLIVEIRA, WILLIAN DIHANSTER G.; PENATTI, OTAVIO A. B.; BERTON, LILIAN; IEEE. A comparison of graph-based semi-supervised learning for data augmentation. 2020 33RD SIBGRAPI CONFERENCE ON GRAPHICS, PATTERNS AND IMAGES (SIBGRAPI 2020), v. N/A, p. 8-pg., 2020-01-01. (18/01722-3)

VEGA-OLIVEROS, DIDIER A.; COTACALLAPA, MOSHE; FERREIRA, LEONARDO N.; QUILES, MARCOS G.; ZHAO, LIANG; MACAU, ELBERT E. N.; CARDOSO, MANOEL F.; ASSOC COMP MACHINERY. From spatio-temporal data to chronological networks: An application to wildfire analysis. SAC '19: PROCEEDINGS OF THE 34TH ACM/SIGAPP SYMPOSIUM ON APPLIED COMPUTING, v. N/A, p. 8-pg., 2019-01-01. (18/24260-5, 18/01722-3, 15/50122-0, 16/23698-1, 11/18496-7, 17/05831-9, 16/16291-2)

VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; ROCHA, ANDERSON; BERTON, LILIAN. Link Prediction Based on Stochastic Information Diffusion. IEEE TRANSACTIONS ON NEURAL NETWORKS AND LEARNING SYSTEMS, FEB 2021. (13/07375-0, 18/24260-5, 19/07665-4, 16/23698-1, 15/50122-0, 17/12646-3, 18/01722-3, 19/26283-5)

DE CASTRO SANTOS, MATHEUS A.; VEGA-OLIVEROS, DIDIER A.; ZHAO, LIANG; BERTON, LILIAN. Classifying El Ni & x00F1;o-Southern Oscillation Combining Network Science and Machine Learning. IEEE ACCESS, v. 8, p. 55711-55723, 2020. (18/01722-3, 18/24260-5, 16/23698-1, 15/50122-0, 18/04029-7)