Busca avançada
Ano de início
Entree

Aprendizado de máquina para WebSensors: algoritmos e aplicações

Resumo

A popularização de plataformas web para publicação de conteúdo textual tem motivado o desenvolvimento de métodos para extração automática de conhecimento implícito nos textos. Em particular, uma nova gama de estudos e aplicações tem sido proposta para explorar a web como um grande e poderoso "sensor social", permitindo identificar e monitorar vários tipos de eventos a partir de textos publicados em portais de notícias e redes sociais, como detecção de epidemias, análise de sentimentos, e a extração de indicadores políticos e econômicos. Atualmente, a construção de um sensor da web (websensor) é uma tarefa complexa, pois depende de especialistas de domínio para definição dos parâmetros do sensor, isto é, expressões para busca, filtros e monitoramentos de conteúdo textual da web. A necessidade de especialistas de domínio geralmente limita as aplicações envolvendo websensors, uma vez que em muitos problemas não há compreensão clara dos fenômenos que se deseja monitorar. Em vista disso, neste projeto de pesquisa são investigados métodos de aprendizado de máquina para apoiar a construção automática de websensors. A ideia básica é utilizar uma amostra de documentos textuais do domínio do problema e, em conjunto com algoritmos de aprendizado de máquina semi/não supervisionados, extrair padrões dos textos e assim apoiar a construção de websensors. Dessa forma, espera-se reduzir a dependência de um especialista para definição dos parâmetros dos sensores. Cada websensor aprendido a partir dos textos representa um determinado fenômeno relacionado ao domínio do problema que, então, pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decisão. (AU)

Matéria(s) publicada(s) na Agência FAPESP sobre o auxílio:
Inteligencia artificial rastrea noticias sobre COVID-19 
Inteligência artificial rastreia notícias sobre COVID-19 
Algoritmos facilitan la clasificación automatizada de textos en internet 
Algoritmos facilitam classificação automatizada de textos da internet 
Matéria(s) publicada(s) na Revista Pesquisa FAPESP sobre o auxílio::
Inteligência artificial contra a Covid-19 
Matéria(s) publicada(s) em Outras Mídias (14 total):
Mais itensMenos itens
Radar do Futuro: Inteligência artificial rastreia notícias sobre a pandemia (23/Abr/2020)
Portal Banda B: Inteligência artificial rastreia notícias sobre curvas de contágio do Covid-19 no Brasil (13/Abr/2020)
Aroldo Murá: INTELIGÊNCIA ARTIFICIAL RASTREIA NOTÍCIAS CURVAS DE CONTÁGIO DO COVID-19 NO BRASIL (09/Abr/2020)
Mundo e Meio: Inteligência artificial rastreia notícias do covid-19 no mundo (08/Abr/2020)
TN Petróleo online: Inteligência artificial rastreia notícias sobre COVID-19 (07/Abr/2020)
JC Notícias (São Paulo, SP): Inteligência artificial rastreia notícias sobre covid-19 (07/Abr/2020)
Biblioteca FMUSP: Websensors, está sendo utilizada na análise da evolução da pandemia de COVID-19 (07/Abr/2020)
Tá Sabendo?: Inteligência artificial rastreia notícias sobre COVID-19 (07/Abr/2020)
Portal Neo Mondo: Inteligência artificial rastreia notícias sobre COVID-19 (07/Abr/2020)
ABIPTI - Associação Brasileira das Instituições de Pesquisa Tecnológica e Inovação: Inteligência artificial rastreia notícias sobre COVID-19 (07/Abr/2020)
Digital Rádio e TV: Inteligência artificial rastreia notícias sobre COVID-19 (07/Abr/2020)
Programa InfoSalud (Argentina): Inteligencia artificial rastrea noticias sobre Covid-19 (07/Abr/2020)
Blog A Crítica: Inteligência artificial rastreia notícias sobre COVID-19 (07/Abr/2020)
Na Cuia da Cris: Inteligência artificial rastreia notícias sobre COVID-19 (07/Abr/2020)

Publicações científicas (6)
(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)
MARCACINI, RICARDO MARCONDES; ROSSI, RAFAEL GERALDELI; MATSUNO, IVONE PENQUE; REZENDE, SOLANGE OLIVEIRA. Cross-domain aspect extraction for sentiment analysis: A transductive learning approach. DECISION SUPPORT SYSTEMS, v. 114, p. 70-80, OCT 2018. Citações Web of Science: 3.
ROSSI, RAFAEL GERALDELI; LOPES, ALNEU DE ANDRADE; REZENDE, SOLANGE OLIVEIRA. Using bipartite heterogeneous networks to speed up inductive semi-supervised learning and improve automatic text categorization. KNOWLEDGE-BASED SYSTEMS, v. 132, p. 94-118, SEP 15 2017. Citações Web of Science: 1.
SOUZA, VINICIUS M. A.; ROSSI, RAFAEL G.; BATISTA, GUSTAVO E. A. P. A.; REZENDE, SOLANGE O. Unsupervised active learning techniques for labeling training sets: An experimental evaluation on sequential data. Intelligent Data Analysis, v. 21, n. 5, p. 1061+, 2017. Citações Web of Science: 0.
MANZATO, MARCELO G.; DOMINGUES, MARCOS A.; FORTES, ARTHUR C.; SUNDERMANN, CAMILA V.; D'ADDIO, RAFAEL M.; CONRADO, MERLEY S.; REZENDE, SOLANGE O.; PIMENTEL, MARIA G. C. Mining unstructured content for recommender systems: an ensemble approach. INFORMATION RETRIEVAL JOURNAL, v. 19, n. 4, p. 378-415, AUG 2016. Citações Web of Science: 3.
ROSSI, RAFAEL GERALDELI; LOPES, ALNEU DE ANDRADE; REZENDE, SOLANGE OLIVEIRA. Optimization and label propagation in bipartite heterogeneous networks to improve transductive classification of texts. INFORMATION PROCESSING & MANAGEMENT, v. 52, n. 2, p. 217-257, MAR 2016. Citações Web of Science: 16.
CORREA, GERALDO N.; MARCACINI, RICARDO M.; HRUSCHKA, EDUARDO R.; REZENDE, SOLANGE O. Interactive textual feature selection for consensus clustering. PATTERN RECOGNITION LETTERS, v. 52, p. 25-31, JAN 15 2015. Citações Web of Science: 4.

Por favor, reporte erros na lista de publicações científicas escrevendo para: cdi@fapesp.br.