Uma abordagem integrada e interdisciplinar para a biclusterização e a programação por restrições

Resumo

A biclusterização é uma técnica poderosa de análise de dados que permite o agrupamento simultâneo de linhas e colunas de uma matriz de dados. Desde seu doutoramento, Dra. Rosana Veroneze trabalha no desenvolvimento de algoritmos de biclusterização enumerativos com propriedades e funcionalidades únicas que podem ser exploradas em áreas com alto potencial de contribuição. Para continuar os avanços na área de biclusterização e produzir pesquisa de alto impacto na vanguarda da ciência, o estabelecimento de parcerias nacionais e internacionais é de grande importância. Por esse motivo, Dr. Veroneze passou três meses em uma visita técnica ao grupo de pesquisa AIA da UCLouvain em 2019. Eles são pioneiros em mostrar que é possível empregar técnicas de programação por restrições (CP, do inglês Constraint Programming) para modelar e resolver uma grande variedade de tarefas de mineração de dados, incluindo tarefas de mineração de padrões baseadas em restrições. Notavelmente, eles desenvolveram um modelo básico de CP para especificar conjuntos de itens frequentes e mostraram que esse modelo pode ser facilmente estendido para realizar outras configurações deste problema. Isso contrasta com os típicos sistemas de mineração de dados procedimentais, onde os procedimentos subjacentes precisam ser modificados para acomodar novos tipos de restrições ou novas combinações de restrições, o que geralmente não é trivial de ser feito. Ademais, a necessidade de permitir combinações de restrições especificadas pelo usuário é reconhecida na comunidade de mineração de dados. Por sua vez, problemas de biclusterização também podem ser vistos como problemas de otimização de restrições. Assim, a intenção desta colaboração é (1) estudar a integração mais profunda das estratégias de pesquisa e modelagem usadas em CP e biclusterização; e (2) examinar detalhadamente quais restrições ou critérios de otimização são interessantes para tarefas de biclusterização, no contexto de aplicações novas e existentes. Além de explorar restrições para selecionar padrões interessantes em cenários supervisionados, semi-supervisionados e não supervisionados, também exploraremos restrições para realizar um resumo automático dos resultados na forma de uma descrição compacta que seja relevante, não redundante e facilmente interpretável. Destacamos que os resultados obtidos durante a visita técnica são muito promissores e fornecem pontos de partida concretos para este projeto. (AU)