Uso de Aprendizado de Máquina para a Classificaçãao de Documentos do Exército Brasileiro

Abstract

A cada semestre o Exército Brasileiro gera relatórios sumarizados a respeito de cada militar e suas atividades. Para isso é necessário encontrar referências relevantes a cada militar dentro de um conjunto de documentos produzidos periodicamente no intervalo de seis meses. Este trabalho propõe formas de realizar essa classificação de maneira automática, utilizando o método Naive Bayes de aprendizado probabilístico. Para isso, também é necessário identificar quais sentenças em um documento são relativas a cada militar, de modo que apenas elas sejam usadas durante o treinamento do classificador. Assim, este trabalho propõe duas heurísticas de seleção de sentenças que escolhem trechos de texto que aparecem próximos ao nome de cada militar. Os experimentos mostram que é possível atingir 76, 7% de medida-f na recuperação de documentos relevantes, e que a seleção de sentenças e o tamanho da base de treinamento desempenham papéis importantes na tarefa.

Identificação de metabólitos no plasma e urina com potencial uso como biomarcadores para o monitoramento dos efeitos adversos dos AINEs em gatos via aprendizado de máquina

“…Já o NB, conhecido por sua simplicidade e eficácia, apresentando benefícios significativos, uma vez que requer poucos parâmetros para estimativa em comparação com seus concorrentes para classificação, aprende as probabilidades de um objeto com determinadas características pertencentes a uma determinada classe ou grupo, ou seja, é um modelo preditivo probabilístico. Esse tipo de modelo recebe o nome de "ingênuo" pois desconsidera a correlação entre as features, pressupondo que elas são independentes, e verifica se uma amostra analisada pertence ou não a uma determinada classe ao encontrar a probabilidade a Posteriori, através do teorema de Bayes [17]. Para isso ele calcula a probabilidade de uma dada amostra pertencer a cada uma das classes e a maior probabilidade determinará a classe da amostra.…”