Please use this identifier to cite or link to this item: http://hdl.handle.net/1843/JCES-ARRMAB
Full metadata record
DC FieldValueLanguage
dc.contributor.advisor1Renato Antonio Celso Ferreirapt_BR
dc.contributor.advisor-co1Adriano Alonso Velosopt_BR
dc.contributor.referee1Adriano Alonso Velosopt_BR
dc.contributor.referee2Edleno Silva de Mourapt_BR
dc.contributor.referee3Leandro Balby Marinhopt_BR
dc.contributor.referee4Nivio Zivianipt_BR
dc.creatorAlberto de Sá Cavalcanti de Albuquerquept_BR
dc.date.accessioned2019-08-10T10:29:05Z-
dc.date.available2019-08-10T10:29:05Z-
dc.date.issued2017-06-23pt_BR
dc.identifier.urihttp://hdl.handle.net/1843/JCES-ARRMAB-
dc.description.resumoNeste trabalho, nós avaliamos de forma abrangente o impacto e potencial que o aprendizado profundo de representações alternativas tem enquanto aprimorador de resultados em tarefas de ordenação de documentos. Nós utilizamos autoencoders empilhados para criar um conjunto de centenas de representações alternativas de diversas bases de dados, e as avaliamos sob a ótica do desempenho de diversos algoritmos tradicionais de aprendizado de ordenação de documentos. Em outras palavras, procuramos saber o quão fácil ou dificíl é aprimorar a representação dos dados, usando autoencoders, que esses algoritmos utilizam em suas tarefas de aprendizado, e o quão melhores tais representações podem ser. Utilizamos o autoencoder para percorrer o domínio de representações possíveis de forma uniforme, de modo a, também, procurar entender o quão útil o autoencoder é para tal tarefa. Vemos em nossas análises que é possível, embora difícil, aprimorar a representação dos dados de forma relevante, obtendo resultados superiores ao estado da arte nas tarefas de ordenação de documentos. Vemos também que há conjuntos de hiperparâmetros do autoencoder que tendem a gerar resultados melhores.pt_BR
dc.languagePortuguêspt_BR
dc.publisherUniversidade Federal de Minas Geraispt_BR
dc.publisher.initialsUFMGpt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAprendizado de Ordenação de Documentospt_BR
dc.subjectRecuperação de Informaçãopt_BR
dc.subjectAprendizado de Máquinapt_BR
dc.subjectRepresentaçõespt_BR
dc.subject.otherRecuperação da informaçãopt_BR
dc.subject.otherAprendizado de representaçõespt_BR
dc.subject.otherAprendizado de ranqueamentopt_BR
dc.subject.otherComputaçãopt_BR
dc.subject.otherAprendizado de máquinapt_BR
dc.titleRecodificação de atributos para learning to rank usando autoencoderspt_BR
dc.typeDissertação de Mestradopt_BR
Appears in Collections:Dissertações de Mestrado

Files in This Item:
File Description SizeFormat 
albertosacavalcanti.pdf822.1 kBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.