Aquisição de conhecimento baseado em evidência para o monitoramento de informação ao vivo

• Processo: 25/11422-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Data de Início da vigência: 01 de julho de 2025
• Data de Término da vigência: 30 de junho de 2027
• Área de conhecimento: Ciências Exatas e da Terra - Ciência da Computação - Metodologia e Técnicas da Computação
• Pesquisador responsável: João Eduardo Ferreira
• Beneficiário: Bruno Padilha
• Instituição Sede: Instituto de Matemática e Estatística (IME). Universidade de São Paulo (USP). São Paulo , SP, Brasil
• Vinculado ao auxílio: 20/06950-4 - Centro de Pesquisa e Desenvolvimento sobre Conhecimento ao Vivo, AP.NPOP
• Assunto(s): Aprendizado computacional
• Palavra(s)-Chave do Pesquisador: Aprendizado de máquina baseado em evidência | Aprendizado de máquina colaborativo | Comites de classificadores | Conhecimento ao vivo | Aprendizado de máquina

Resumo

Para superar as limitações da análise de imagens de fonte única, desenvolveremos a abordagem de aquisição de conhecimento baseada em evidências (EBKA) [1] para alcançar alta precisão e cobertura na descoberta de novidades reais. A ideia-chave da EBKA é a integração criteriosa de fontes de informação complementares para alcançar alta precisão na classificação (superando o ruído em larga escala) e encontrar novas informações nunca antes vistas (descoberta de novidades reais). Existem três tipos de fontes de informação complementares: primárias, corroborativas e de suporte. As fontes primárias (por exemplo, Twitter e câmeras de vídeo ao vivo) têm ampla cobertura, mas também contêm muito ruído, tornando a filtragem direta muito desafiadora. As fontes corroborativas contêm novos conhecimentos de fontes confiáveis, mas podem ter cobertura irregular (por exemplo, relatando apenas uma pequena porcentagem dos eventos reais). As fontes de suporte têm conhecimento probabilístico útil do problema (por exemplo, reconhecimento de objetos em vídeo) que pode melhorar a precisão de um classificador integrado em equipe, mas não oferecem garantias de precisão por si mesmas.