Aprendizado não Supervisionado de Matriz de Risco a partir de Dados Textuais

• Processo: 24/03755-7
• Modalidade de apoio: Bolsas no Brasil - Iniciação Científica
• Data de Início da vigência: 01 de maio de 2024
• Data de Término da vigência: 30 de abril de 2025
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ricardo Marcondes Marcacini
• Beneficiário: Lucas de Oliveira Ferreira
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Assunto(s): Aprendizado computacional Inteligência artificial
• Palavra(s)-Chave do Pesquisador: análise de riscos | Aprendizado de Máquina | Mineiração de Textos | Inteligência Artificial

Resumo

Neste projeto de Iniciação Científica, propõe-se uma abordagem para a construção automática de matrizes de risco por meio de métodos de aprendizado de máquina. Uma matriz de riscos é uma ferramenta popular para o gerenciamento de riscos em projetos, identificando eventos potencialmente prejudiciais, sua probabilidade de ocorrência e seu impacto. Tradicionalmente, a matriz de risco é construída com esforço manual de especialistas na área, tornando o processo custoso e dependente de conhecimento específico do domínio. Algumas iniciativas de aprendizado de máquina para a construção de matrizes de risco foram propostas, mas ainda dependem de muitos dados rotulados, tornando o processo também dependente de especialistas de domínio para a anotação dos dados. Neste projeto, propõe-se uma alternativa que combina (1) os recentes avanços em Large Language Models (LLMs) para extrair um conjunto de eventos e realizar uma análise inicial de riscos associados a partir de textos representativos do domínio, e (2) modelagem de eventos de risco baseada em grafos, para explorar relacionamentos entre eventos similares e obter predições de severidade final com apoio de Graph Neural Networks. Assim, como resultado esperado, a abordagem proposta permite a construção da matriz de risco sem a necessidade de dados rotulados. A matriz de risco obtida pode ser apresentada a uma organização ou especialistas, que podem realizar ajustes de maneira menos custosa.