Utilização de Aprendizado Semissupervisionado Multidescrição em Problemas de Classificação Hierárquica Multirrótulo
Aprendizado Semissupervisionado, Classificação Hierárquica Multirrótulo
A classificação de dados é uma tarefa aplicada em diversas áreas do conhecimento, sendo assim, foco de constantes pesquisas. A classificação de dados pode ser dividida de acordo com a disposição dos dados, sendo estes rotulados ou não rotulados. Uma abordagem vem se mostrando bastante eficiente ao se trabalhar com conjuntos de dados contendo dados rotulados e não rotulados, esta chamada de aprendizado semissupervisionado, seu objetivo é classificar os dados não rotulados através da quantidade de dados rotulados contidos no conjunto, melhorando sua taxa de acerto. Tais dados podem ser classificados com mais de um rótulo, conhecida como classificação multirrótulo. Além disso, estes dados podem estar organizados de forma hierárquica, contendo assim, uma relação entre os mesmos, esta por sua vez denominada classificação hierárquica. Uma vez que tanto as técnicas de classificação hierárquica e multirrótulo quanto o aprendizado semissupervisionado vem apresentando resultados satisfatórios. Neste trabalho é proposto a utilização do aprendizado semissupervisionado multivisão, que é uma das vertentes do aprendizado semissupervisionado, em problemas de classificação hierárquica multirrótulo, de modo a atender eficientemente as principais necessidades das duas áreas.