Construção de redes para o aprendizado semissupervisionado

Resumo

As bases de dados estão ficando cada vez maiores e, em muitas situações, apenas um pequeno subconjunto de itens de dados pode ser rotulado. Isto acontece devido ao processo de rotulagem ser frequentemente caro, demorado e necessitar do envolvimento de especialistas humanos. Com isso, as técnicas de aprendizado semissupervisionado, dirigidas a situações nas quais existem apenas uma pequena fração dos dados rotulada, tornam-se bastante relevantes. Diversos algoritmos semissupervisionados foram propostos, mostrando que é possível obter bons resultados empregando conhecimento prévio. Dentre estes algoritmos, os que têm ganhado bastante destaque na área têm sido aqueles baseados em grafos. Tal interesse justifica-se pelas vantagens fornecidas pela representação via grafos, tais como, a possibilidade de capturar a estrutura topológica dos dados, representar estruturas hierárquicas (grafos e subgrafos), bem como detectar agrupamentos. Porém, a maioria dos dados disponíveis é representada por uma tabela atributo-valor, fazendo-se necessário, portanto, o estudo de técnicas de construção de grafos para aplicar em tais algoritmos. Assim, este trabalho enfoca nos algoritmos semissupervisionados baseados em grafos, os quais fazem uso de uma matriz de peso entre os vértices e de um grafo esparso, já que grafos densos podem degenerar a solução. Como a geração da matriz de pesos e do grafo esparso, bem como sua relação com o desempenho dos algoritmos tem sido pouco investigada na literatura, este projeto pretende investigar estes aspectos, bem como propor novos métodos de geração de redes, que englobem as vantagens de dois ou mais métodos de construção de redes a partir de dados em formato atributo-valor, ou que considerem características ainda não exploradas na literatura. As redes construídas serão aplicadas em algoritmos de aprendizado semissupervisionado que fazem uso de grafos.