Use este identificador para citar ou linkar para este item: http://www.alice.cnptia.embrapa.br/alice/handle/doc/1157427
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorOSAKU, D.
dc.contributor.authorSANTOS, P. M.
dc.contributor.authorSANTOS, B. N.
dc.contributor.authorREZENDE, S. O.
dc.date.accessioned2023-10-23T19:52:30Z-
dc.date.available2023-10-23T19:52:30Z-
dc.date.created2023-10-23
dc.date.issued2023
dc.identifier.citationIn: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL, 20., Belo Horizonte. Belo Horizonte: UFMG, 2023.
dc.identifier.urihttp://www.alice.cnptia.embrapa.br/alice/handle/doc/1157427-
dc.descriptionA recuperação de pastagens degradadas tem sido tema importante no que diz respeito a segurança alimentar. Apesar do grande volume de artigos científicos sobre 'pastagens degradadas', há um grande desafio em termos de recuperação desses documentos para extração de conhecimento. Neste artigo foram exploradas duas abordagens de classificação, uma supervisionada e outra transdutiva, visando melhorar a qualidade das buscas e reduzir o esforço de anotação manual. Os resultados mostraram que é possível separar os artigos de interesse com certo nível de precisão, com destaque para o método supervisionado SVM, que apresentou o melhor desempenho. Por outro lado, o algoritmo transdutivo GNetMine, que apresentou desempenho semelhante aos modelos supervisionados utilizando apenas um quarto dos dados rotulados. Uma vez que a anotação manual de dados para treinamento dos métodos supervisionados é trabalhosa e depende da colaboração de especialista, sendo fundamental o desenvolvimento de métodos de classificação que demandem menor número de dados rotulados. A partir da seleção de artigos de interesse, futuramente outras técnicas de Mineração de Textos poder ̃ ao ser aplicadas para facilitar a extração de conhecimento e a determinação de recomendações para a recuperação de pastagens no campo, contribuindo para o aumento da produção de alimentos de forma sustentável.
dc.language.isopor
dc.rightsopenAccess
dc.subjectPastagens degradadas
dc.subjectAbordagens de classificação
dc.subjectAbordagem supervisionada
dc.subjectAbordagem transdutiva
dc.subjectMétodo supervisionado SVM
dc.subjectAlgoritmo transdutivo GNetMine
dc.subjectMineração de textos
dc.titlePasture degradation papers search: how can supervised and transdutive methods help on the process of classification?
dc.typeArtigo em anais e proceedings
dc.subject.thesagroProdução de Alimentos
dc.format.extent215 p.
riaa.ainfo.id1157427
riaa.ainfo.lastupdate2023-10-23
dc.contributor.institutionDANIEL OSAKU, Universidade de São Paulo; PATRICIA MENEZES SANTOS, CPPSE; BRUCCE N. SANTOS, Universidade de São Paulo; SOLANGE O. REZENDE, Universidade de São Paulo.
Aparece nas coleções:Artigo em anais de congresso (CPPSE)

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
PastureDegradationPapers.pdf313.77 kBAdobe PDFThumbnail
Visualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas

FacebookTwitterDeliciousLinkedInGoogle BookmarksMySpace