Seleção de Atributos para Aprendizado Multirrótulo

Resumo

A ocorrência de atributos não-importantes em Bases de Dados pode prejudicar o desempenho de processos computacionais de extração de conhecimento, o que motiva a aplicação da tarefa de Seleção de Atributos. Essa tarefa pode ser realizada com auxílio de meta-heurísticas mono ou multi-objetivo, de modo a obter ou aproximar subconjuntos de atributos importantes. As meta-heurísticas multi-objetivo, especificamente, permitem identificar subconjuntos de atributos significativos que representam compromissos entre distintas medidas de importância dos atributos. Na literatura existem diversos métodos consolidados para realizar a Seleção de Atributos em Bases de Dados com um atributo-classe mono-valorado. Entretanto, alguns domínios apresentam múltiplos valores para esse atributo, constituindo problemas multirrótulo. A aplicação da Seleção de Atributos nesses problemas é relativamente recente, desafiadora e, em vários casos, não analisa a dependência entre os multiplos rótulos. Essa análise vem se tornando comum na pesquisa em aprendizado multirrótulo porque pode melhorar o desempenho da tarefa de classificação.Este projeto tem como objetivo projetar e desenvolver algoritmos de Seleção de Atributos baseados em meta-heurísticas mono e multi-objetivo e em medidas de importância, preferencialmente da abordagem filtro, que reflitam a análise da relação entre rótulos. A hipótese levantada é de que essa análise pode contribuir para se obter um bom desempenho na classificação multirrótulo após a Seleção de Atributos.