Aprendizado de máquina para WebSensors: algoritmos e aplicações

• Processo: 14/08996-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Vigência: 01 de agosto de 2014 - 31 de julho de 2016
• Área do conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Solange Oliveira Rezende
• Beneficiário: Solange Oliveira Rezende
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Pesquisadores associados: Bruno Magalhães Nogueira ; Gustavo Enrique de Almeida Prado Alves Batista ; Ricardo Marcondes Marcacini ; Veronica Oliveira de Carvalho
• Assunto(s): Inteligência artificial Mineração de texto Agrupamento de dados Aprendizado computacional Algoritmos Classificação Tomada de decisão
• Palavra(s)-Chave do Pesquisador: Agrupamento de Textos | Aprendizado de Máquina | Classificaçao transdutiva | Mineração de Textos | Websensors | Inteligência Artificial

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)

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. (14/08996-0)

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. (11/12823-6, 14/08996-0, 15/14228-9)

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. (14/08996-0, 11/12823-6, 11/17698-5)

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. (11/12823-6, 11/22749-8, 14/08996-0)

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. (14/08996-0)

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. (13/22547-1, 13/10756-5, 12/13830-9, 14/08996-0, 13/16039-3)