Co-clusterização em comitês de filtros colaborativos

• Processo: 14/11125-1
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de agosto de 2014
• Data de Término da vigência: 31 de julho de 2016
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Fernando José von Zuben
• Beneficiário: Thalita Firmo Drumond
• Instituição Sede: Faculdade de Engenharia Elétrica e de Computação (FEEC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 13/07559-3 - Instituto Brasileiro de Neurociência e Neurotecnologia - BRAINN, AP.CEPID
• Assunto(s): Aprendizado computacional Sistemas de recomendação
• Palavra(s)-Chave do Pesquisador: co-clusterização | Comitê de máquinas | Filtros colaborativos | k vizinhos mais próximos | Projeção aleatória | sistemas de recomendação | Aprendizado de máquina

Resumo

Os avanços em tecnologia de informação têm promovido a geração e coleta de quantidades sempre crescentes de dados, produzidos em praticamente todos os ramos de atuação humana. Há, portanto, demandas acentuadas voltadas para análise e extração de conhecimento desses dados, visando compreender melhor os processos envolvidos, detectar tendências e fundamentar planos estratégicos de empresas e corporações. Sistemas de recomendação vêm sendo empregados para este fim, e têm se mostrado capazes de promover aumento de produtividade, maximização da satisfação de clientes e economia de recursos. Este projeto de pesquisa tem por objetivo a implementação de ferramentas computacionais escaláveis para a síntese de comitês de filtros colaborativos, empregando: (1) projeção aleatória, para redução de dimensão dos dados; (2) co-clusterização, para fornecer múltiplas perspectivas de análise dos dados em filtragem colaborativa; (3) técnicas de aprendizado de máquina, como k vizinhos mais próximos, para síntese do comitê de filtros colaborativos. Serão tomados como casos de estudo: (1) Problemas de imputação de dados faltantes; e (2) Sistemas de apoio à detecção de padrões, como anomalias, em dados de atividade cerebral, assim como o projeto de interfaces homem-máquina customizadas. Ambas as aplicações envolvem áreas de alto interesse científico e corporativo, sendo que o caso de estudo (2) está vinculado ao projeto CEPID intitulado BRAINN (Instituto Brasileiro de Neurociência e Neurotecnologia), o que torna a proposta de elevado potencial de impacto para a sociedade.

Publicações científicas

(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)

RAIMUNDO, MARCOS M.; DRUMOND, THALITA F.; MARQUES, ALAN CAIO R.; LYRA, CHRISTIANO; ROCHA, ANDERSON; VON ZUBEN, FERNANDO J.. Exploring multiobjective training in multiclass classification. Neurocomputing, v. 435, p. 307-320, MAY 7 2021. (16/19080-2, 14/11125-1, 14/13533-0, 17/12646-3)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

DRUMOND, Thalita Firmo. Coclusterização em comitês de filtros colaborativos e em análise de atividade cerebral. 2016. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Faculdade de Engenharia Elétrica e de Computação Campinas, SP.