Dissertação

Classification in the Presence of Background Domain Knowledge EVALUATED

Neste trabalho consideramos o problema de aprender a classificar um grupo de instâncias a partir de um conjunto de treino e de conhecimento de domínio existente. Tradicionalmente, duas abordagens muito diferentes têm dominado a área da classificação, uma baseada em representações lógicas, que faz uso da programação lógica para representar toda a informação conhecida, seja ela observações já classificadas ou conhecimento de domínio disponível; e outra que usa métodos puramente estatísticos e depende apenas de um conjunto de obervações já classificadas para constuir o modelo predictivo. A primeira abordagem lida melhor com com a complexidade do mundo real enquanto a segunda se destaca pela boa capacidade em lidar com a incerteza, tantas vezes presentes nas aplicações práticas. Como tanto a complexidade, como a incerteza, fazem parte do mundo, vemos valor em explorar méto- dos que que consigam lidar melhor com ambas as facetas. Propomos uma abordagem para adicionar conhecimento de domínio, representado numa linguagem de representação de conhecimento standard, para proporcionar às abordagens estatísticas a capacidade de melhor lidar com relações implícitas entre várias dimensões dos dados, que são parte do conhecimento de domínio das várias áreas de aplicação.
Classificação, Árvores de decisão, Aspectos semânticos de data mining, Conhecimento de domínio, Ontologias

Novembro 13, 2014, 11:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Claudia Martins Antunes

Departamento de Engenharia Informática (DEI)

Professor Auxiliar