Investigação de Metodologias de Avaliação para Problemas de Classificação Multirrótulo em Fluxos Contínuos de Dados

• Processo: 24/15875-7
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de outubro de 2024
• Data de Término da vigência: 30 de setembro de 2026
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: Ricardo Cerri
• Beneficiário: Rafaella de Oliveira
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Vinculado ao auxílio: 22/02981-8 - Detecção de novidade em fluxos contínuos de dados multirrótulo, AP.PNGP.PI
• Assunto(s): Classificação Métodos
• Palavra(s)-Chave do Pesquisador: Avalição | Classificação | Método | Multirrótulo | Fluxo Contínuo de Dados e Classificação Multirrótulo

Resumo

Um grande desafio na tarefa de detecção de novidade em problema de classificação multirrótulo em fluxos contínuos de dados é como medir o desempenho dos algoritmos. Avaliar eficazmente algoritmos de detecção de novidade é crucial para garantir precisão e confiabilidade nos resultados. Metodologias recentes não penalizam quando muitos padrões novidade são identificados para representar uma classe, não ponderam padrões novidade criados antes da evolução de conceito e não consideram associações multirrótulo. Com base nisso, este projeto terá como objetivo desenvolver uma metodologia de avaliação para detecção de novidades em fluxos contínuos de dados multrirrótulo. O desenvolvimento do projeto envolve a investigação da literatura à procura de métodos de avaliação, análise de metodologias e abordagens semelhantes, caracterização de pontos positivos e negativos das metodologias existentes, adaptação de metodologias propostas em outros projetos e susgestão de métodos alternativos. A validação experimental será realizada com dados sintéticos e reais gerados pelo framework MOA e o método de avaliação ira destacar os cenários de Detecção de anomalias, Reconhecimento de cenário aberto e Classificação multirrótulo com opção de rejeição. É esperado que no final da pesquisa seja possível aprimar e corrigir os problema identificados em estudos anteriores, com base nos resultados obtidos na pesquisa.