Busca avançada
Ano de início
Entree

Seleção de atributos para aprendizado multirrótulo

Processo: 12/23906-2
Linha de fomento:Bolsas no Exterior - Estágio de Pesquisa - Doutorado
Vigência (Início): 01 de abril de 2013
Vigência (Término): 31 de agosto de 2013
Área do conhecimento:Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
Pesquisador responsável:Maria Carolina Monard
Beneficiário:Newton Spolaôr
Supervisor no Exterior: Grigorios D. Tsoumakas
Instituição-sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
Local de pesquisa: Aristotle University of Thessaloniki (AUTh), Grécia  
Vinculado à bolsa:11/02393-4 - Seleção de Atributos para Aprendizado Multirrótulo, BP.DR

Resumo

Seleção de Atributos (SA) é uma tarefa importante em aprendizado de máquina, a qual pode efetivamente reduzir a dimensionalidade do conjunto de dados ao remover atributos irrelevantes e/ou redundantes. Embora muita pesquisa tenha sido realizada sobre SA em dados monorrótulo, em que várias medidas tem sido propostas para filtrar atributos irrelevantes, esse não é o caso para dados multirrótulo, nos quais cada exemplo é rotulado com um conjunto de rótulos. Neste cenário, o problema adicional de dependência de rótulo deveria ser considerado pelas medidas de importância de atributos. Neste trabalho, é proposto investigar medidas de importância de atributos que levam em conta a dependência de rótulos com o objetivo de encontrar novos métodos de SA para dados multirrótulo. (AU)