Navegando por Autor "Spolaôr, Newton"

Agora exibindo 1 - 2 de 2
  • Imagem de Miniatura
    Item
    Projeto e implementação de um framework para a geração de conjunto de dados sintéticos para aprendizado multirrótulo.
    (2013-01) Tomás, Jimena Torres; Spolaôr, Newton; Cherman, Everton Alvares; Monard, Maria Carolina
    O conhecimento a priori das características de um conjuntos de dados contribui para um melhor entendimento dos algoritmos de aprendizado e das avaliações comparativas entre esses algoritmos. Esse conhecimento possibilita realizar experimentos em um ambiente relativamente controlado, o qual pode ser obtido utilizando conjuntos de dados sintéticos (artificiais). Entretanto, são poucas as estratégias propostas na literatura para a geração de conjuntos de dados sintéticos para aprendizado multirrótulo e há uma carência de ferramentas computacionais que implementam essas estrategias. Neste trabalho e descrito o projeto e a implementação de um framework para a geração de conjunto de dados sintéticos multirrótulo, que conta com duas ferramentas, a primeira utiliza hiperesferas para determinar os multirrótulos do conjunto de dados e a segunda utiliza hipercubos. O uso das ferramentas e ilustrado por meio de alguns experimentos com conjuntos de dados gerados pelo framework, o qual está disponível para a comunidade.
  • Imagem de Miniatura
    Item
    A systematic review on experimental multi-label learning.
    (2013-02) Spolaôr, Newton; Cherman, Everton Alvares; Metz, Jean; Monard, Maria Carolina
    Multi-label learning deals with the classification problem where each example is associated with a set of labels, which are usually dependent. This research topic has emerged in recent years due to the increasing number of applications where examples are annotated with more than one label. However, there is a lack of reviews focusing on pieces of work which report experimental results for multi-label learning. To this end, the systematic review process can be useful to identify related publications in a wide, rigorous and replicable way. This work uses the systematic review process to answer the following research question: what are the publications which report experimental results for multi-label learning research? The systematic review process carried out in this work included the application of 16 selection criteria to narrow the literature review, as we are interested in papers which report specific classifier evaluation measures using datasets publicly available. Moreover, these datasets cannot be preprocessed. In the end, this process enabled us to select 64 relevant publications, as well as identify some interesting facts in the current literature.