dc.contributor.author | Ueno, Caio Luiggy Riyoichi Sawada | |
dc.date.accessioned | 2024-07-02T12:41:46Z | |
dc.date.available | 2024-07-02T12:41:46Z | |
dc.date.issued | 2023-12-13 | |
dc.identifier.citation | UENO, Caio Luiggy Riyoichi Sawada. Análise sobre o fator temporal em tarefas de quantificação com dados textuais. 2023. Dissertação (Mestrado em Ciência da Computação) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/19702. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/19702 | |
dc.description.abstract | The quantification task, a recently discovered field in machine learning, estimates the
class distribution of a dataset. Usually, quantification tasks are solved through classifica-
tion, an inducted classifier predicts each instance on the set and then counts how many
were labeled for each class - this approach is also known as Classify and Count. However,
the Classify and Count approach shows poor results as soon as the class distribution of
the test set differs from the class distribution of the training set. Thus, specific algorithms
and models have been proposed to solve quantification problems accurately.
It is really common to analyze big data through time. In text domains, as the Twitter
platform, which have a large set of unstructured data being generate at every instant, it
is challenging to extract useful and summarized information at the same time. Besides,
text domains show specific characteristics that increase the complexity of how those infor-
mation are extracted. A popular analysis is to discovery trending topics or how people’s
opinion about a specific topic. To do this, it is possible to use quantification methods to
categorize and consequently summarize a massive number of texts.
The proposal of this work is to make an analysis about textual quantification pro-
blems distributed over time. More precisely, this work intent to evaluate how time affects
the perfomance of quantification models. Three different approaches were evaluated to
understand the impact of time: training only once the quantification model; update the
model periodically, thus decreasing its time lag; and a forecasting approach, using regres-
sion models. This research presents some intereseting conclusions which show that there
are some peculiarities in these evaluated datasets and that state-of-the-art models may
not present the best performances as expected. | eng |
dc.description.sponsorship | Não recebi financiamento | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution-NoDerivs 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nd/3.0/br/ | * |
dc.subject | Aprendizado de Máquina | por |
dc.subject | Quantificação | por |
dc.subject | Séries temporais | por |
dc.subject | Machine learning | eng |
dc.subject | Quantification | eng |
dc.subject | Time series | eng |
dc.title | Análise sobre o fator temporal em tarefas de quantificação com dados textuais | por |
dc.title.alternative | Temporal factor analysis in quantification tasks in text data | eng |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Silva, Diego Furtado | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7662777934692986 | por |
dc.description.resumo | A quantificação, área relativamente nova em aprendizado de máquina, se preocupa em
estimar a distribuição das classes em um determinado conjunto de instâncias. Usualmente,
tarefas de quantificação são resolvidas por meio de classificação, onde um classificador
prediz a classe das instâncias dentro do conjunto e uma contagem simples dos rótulos
preditos é feita - método conhecido como Classify and Count. Entretanto, esse método
não apresenta bons resultados à medida que a distribuição das classes no conjunto de teste
se distância da distribuição das classes no conjunto de treinamento do classificador. Por
isso, métodos e modelos específicos têm sido desenvolvidos para a resolução de problemas
de quantificação.
Em cenários de dados volumosos é comum realizar análises da perspectiva temporal.
Por exemplo, em domínios textuais como postagens em redes sociais, que possuem uma
grande quantidade de dados não estruturados sendo gerados a todo instante, é um de-
safio grande extrair informações de forma condensada. Além disso, o domínio apresenta
características próprias que aumentam a complexidade da forma como essas informações
são extraídas. Uma das principais demandas nesse domínio é sumarizar o que ou como
se fala sobre determinados tópicos na plataforma. Para tanto, é possível utilizar técnicas
de quantificação para resumir uma quantidade massiva de textos.
Este trabalho apresenta uma análise sobre o problema de quantificação em conjun-
tos de dados textuais distribuídos ao longo do tempo. Mais precisamente, este trabalho
propõe avaliar como a estrutura temporal dos dados afeta a performance de modelos
treinados para solucionar o problema da quantificação. Três formas distintas foram ado-
tadas para se entender o impacto da passagem do tempo: treinar somente uma vez o
modelo de quantificação; atualizar o modelo periodicamente, diminuindo assim a defasa-
gem temporal; e, por fim, uma abordagem de forecasting de séries temporais, utilizando
modelos de regressão. Os resultados mostram que existem peculiaridades nos conjuntos
de dados avaliados neste trabalho e que, em determinados cenários, modelos considerados
estado-da-arte não apresentam as melhores performances. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Ciência da Computação - PPGCC | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::METODOLOGIA E TECNICAS DA COMPUTACAO | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/9717643867450173 | por |