Aprendizado de máquina em redes complexas

Breve, Fabricio Aparecido

doi:10.11606/t.55.2010.tde-21092010-104722

Cited by 3 publications

(3 citation statements)

References 123 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Redes Newman, 2010). Além disso, as redes permitem (i) a representação hierárquica do conjunto de dados uma vez que uma rede pode ser particionado em sub-redes; (ii) o aprendizado de grupos e classes em formatos arbitrários; e (iii) a combinação tanto estatísticas locais quanto globais do conjunto de dados (Bertini et al, 2011;Breve, 2010). Todas essas possibilidades geradas pela modelagem em redes podem melhorar a qualidade dos resultados das diferentes tarefas de aprendizado de máquina.…”

Section: Redesunclassified

Classificação automática de textos por meio de aprendizado de máquina baseado em redes

Rossi¹

View full text Add to dashboard Cite

A massive amount of textual data, such as e-mails, reports, articles and posts in social networks or blogs, has been generated and stored on a daily basis. The manual processing, organization and management of this huge amount of texts require a considerable human effort and sometimes these tasks are impossible to carry out in practice. Besides, the manual extraction of knowledge embedded in textual data is also unfeasible due to the large amount of texts. Thus, computational techniques which require little human intervention and allow the organization, management and knowledge extraction from large amounts of texts have gained attention in the last years and have been applied in academia, companies and organizations. The tasks mentioned above can be carried out through text automatic classification, in which labels (identifiers of predefined categories) are assigned to texts or portions of texts. A viable way to perform text automatic classification is through machine learning algorithms, which are able to "learn", generalize or extract patterns from classes of text collections based on the content and labels of the texts. There are three types of machine learning algorithms for automatic classification: (i) inductive supervised, in which only labeled documents are considered to induce a classification model and this model are used to classify new documents; (ii) transductive semi-supervised, in which all known unlabeled documents are classified based on some labeled documents; and (iii) inductive semi-supervised, in which labeled and unlabeled documents are considered to induce a classification model in order to classify new documents. Regardless of the learning algorithm type, the texts of a collection must be represented in a structured format to be interpreted by the algorithms. Usually, the texts are represented in a vector space model, in which each text is represented by a vector and each dimension of the vector corresponds to a term or feature of the text collection. Algorithms based on vector space model consider that texts, terms or features are independent and this assumption can degrade the classification performance. Networks can be used as an alternative to vector space model representations. Networks allow the representations of relations among the entities of a text collection, such as documents and terms. This type of representation allows the extraction patterns which are not extracted by algorithms based on vector-space model. Moreover, text collections can be represented by networks composed of different types of entities and relations, which provide the extraction of different patterns from the texts. However, there are some challenges to be solved in order to allow the combination of machine learning algorithms and network-based representations to perform text automatic classification in an efficient way. The main challenges addressed in this doctoral project are (i) the development of network-based representations efficiently generated which also allows an efficient learning; (ii) the deve...

show abstract

Section: Redesunclassified

Classificação automática de textos por meio de aprendizado de máquina baseado em redes

Rossi¹

View full text Add to dashboard Cite

show abstract

“…Algoritmo 2.5 Competição e cooperação de partículas (Breve et al, 2012;Breve, 2010) 1: Construa uma matriz de afinidade W entre os itens de dados; 2: Inicialize l partículas com potencial máximo, ρ ω j (0) ← 1; 3: Posicione as l partículas nos respectivos nós-casa; 4: Inicialize as tabelas de distâncias conforme a Eq. 2.4; 5: Inicialize os níveis de domínio conforme a Eq.…”

Section: Competição E Cooperação De Partículasunclassified

Rotulação de indivíduos representativos no aprendizado semissupervisionado baseado em redes: caracterização, realce, ganho e filosofia

Araújo¹

View full text Add to dashboard Cite

pelos momentos além do cotidiano. Aos professores Ricardo Campello, André Carvalho, Rosane Minghim e Graça Nunes pelas colaborações e pelo cuidado. Especialmente, ao Prof. Zhao Liang, que, passados quase 7 anos, ainda me surpreende. Muito obrigado pela modo diferenciado com que tratas os seus alunos. Para mim é um privilégio ter tido a sua orientação durante todo esse tempo. Agradeço também aos meus colegas do Biocom. Acho que poucas vezes pude ser parte da vida de vocês, além do nosso ambiente de trabalho, mas, quando pude, foi muito deleitoso. Agradeço especialmente a Maria da Graça, minha mãe. Embora a maior parte desse tempo tenhamos estado distantes, você foi meu apoio em muitos momentos. Poder ouvir suas aflições sempre foi um meio de me sentir perto. Quem sabe um dia eu possa retribuir alguma coisa ou pelo menos te fazer orgulhosa. Agradeço à minha irmã, Acássia. Não consigo imaginar as razões porque duas pessoas que se desentendem tanto, têm tanto prazer em ver, ouvir e pensar uma na outra. Agradeço especialmente a você, minha esposa, Nelma Araújo. É uma das poucas pessoas que tenho certeza que lerá esses agradecimentos. Obrigado pela disposição em me ajudar. Podem não acreditar, minha esposa foi minha revisora. Obrigado por ser minha amiga em todas as horas. Obrigado por ser mãe de meus``filhotes''. Obrigado por ser a rainha do nosso lar e a dona do v Palavras-chave: aprendizado semissupervisionado; redes complexas; amostragem de dados.

show abstract

“…Segundo Lu e Getoor (2003), principalmente em problemas que envolvem semântica de textos, aplicar algoritmos assumindo que as instâncias e os atributos são independentes pode levar a resultados incorretos. Além disso, as representações que utilizam a técnica Bag of Words em grandes coleções de documentos, geralmente apresentam alta dimensionalidade e alta esparsidade, causando a baixa eficiência de muitos algoritmos de extração de padrões ao lidar com representações deste tipo (BREVE, 2010).…”

Section: Pré-processamento E Representação De Textosunclassified

Classificação semanticamente enriquecida por expressões do domínio

Scheicher¹

View full text Add to dashboard Cite

Agradeço acima de tudo à Deus, por me permitir estar aqui nesse momento e ser o suporte de todos os passos da minha vida.Agradeço aos meus pais, minha mãe Magda Scheicher e ao meu falecido pai Jorge Scheicher, que me deram toda a base para chegar até aqui.Agradeço à minha esposa Tânia Scheicher, companheira de todos os meus momentos, dores, angústias, cansaço, alegrias e comemorações. Meu braço direito de uma longa jornada.Agradeço à minha orientadora, Profa. Dra. Solange Oliveira Rezende, por todos os ensinamentos, pela sua amizade e generosidade, pela oportunidade de pesquisa e pela confiança depositada em meu trabalho.Agradeço também aos diversos colegas do curso de doutorado, que estiveram presentes em minha vida e, de alguma forma, fizeram parte do meu crescimento profissional. Dentre eles, o agradecimento especial é para Roberta Akemi Sinoara, Dildre Georgiana Vasques e Flávia Lemos Sampaio Xavier.Agradeço a todos os professores e pesquisadores por todo empenho e dedicação nos ensinamentos.Agradecimentos especiais são direcionados à Universidade de São Paulo, aos professores e funcionários do ICMC-USP, aos membros da banca do exame de qualificação e de defesa.Agradeço ao apoio da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior -Brasil (CAPES) -Código de Financiamento 001, que apoiou financeiramente a realização desta pesquisa.

show abstract

Aprendizado de máquina em redes complexas

Cited by 3 publications

References 123 publications

Classificação automática de textos por meio de aprendizado de máquina baseado em redes

Classificação automática de textos por meio de aprendizado de máquina baseado em redes

Rotulação de indivíduos representativos no aprendizado semissupervisionado baseado em redes: caracterização, realce, ganho e filosofia

Classificação semanticamente enriquecida por expressões do domínio

Contact Info

Product

Resources

About