Investigando a Combinação de Técnicas de Aprendizado Semissupervisionado e Classicação Hierárquica Multirrótulo
classificação hierárquica, classificação multirrótulo, classificação hierárquica multirrótulo, aprendizado semissupervisionado
A classificação de dados é uma tarefa com alta aplicabilidade em uma grande quantidade
de domínios. Na literatura, pode ser encontrada uma grande quantidade de métodos
consolidados para tratar problemas de classificação. No entanto, a maioria desses métodos
de classificação, ditos tradicionais ou unirrótulo, consideram que para cada exemplo
é atribuído um único rótulo. Além disso, nenhuma relação hierárquica entre as classes
possíveis é considerada. Contudo, nos últimos anos vem sendo identicada uma série de
tarefas de classificação nas quais os exemplos podem ser rotulados a mais de uma classe
simultaneamente (classicação multirrótulo). Adicionalmente, tais classes podem estar
hierarquicamente organizadas (classicação hierárquica e classicação hierárquica multirr
ótulo). Por outro lado, tem-se estudado também uma nova categoria de aprendizado,
chamada de aprendizado semissupervisionado, que combina dados rotulados (aprendizado
supervisionado) e dados não-rotulados (aprendizado não-supervisionado), durante a fase
de treinamento, reduzindo, assim, a necessidade de uma grande quantidade de dados rotulados
quando somente um pequeno conjunto de exemplos rotulados está disponível.
Desse modo, uma vez que tanto as técnicas de classificação hierárquica, multirrótulo e hierárquica
multirrótulo quanto o aprendizado semissupervisionado vem apresentando resultados favoráveis à sua utilização, nesta proposta de trabalho é sugerida a aplicação de aprendizado
semissupervisionado em tarefas de classificação hierárquica multirrótulo, de modo a se
atender eficientemente as principais necessidadades das duas áreas.