Avaliação de Medidas de Similaridade para Criação de Hierarquias de Rótulos na Classificação Multirrótulo

Abstract

Problemas de classificação multirrótulo (MLC) relacionam uma instância a um ou mais rótulos, este tipo de problema está presente em nosso dia-a-dia, desde a classificação do tema de artigos de jornais, até classificação funcional genômica. Dois principais métodos são estudados para a resolução de problemas de MLC, o primeiro é o algorithm adaptation, onde os algoritmos tradicionais de classificação binária e multiclasse são adaptados para considerar N rótulos, outro método é o problem transformation, onde é feito a transformação do problema possibilitando a solução através de abordagens já existentes. Neste trabalho, será utilizado este segundo método fazendo a transformação de MLC para HMC (classificação multirrótulo hierárquica), com o objetivo de capturar melhor as relações entre as classes. Alguns trabalhos foram realizados nesta área buscando entender qual o melhor método de agrupamento de classes para a construção da árvore de classes (necessária para o modelo hierárquico), porém, no agrupamento aglomerativo apenas a distância euclidiana foi utilizada como medida de similaridade, portanto, este trabalho tem como objetivo a exploração de novas medidas de similaridade, como a distância Cosine, Jaccard, Manhattan e Tanimoto, e sua comparação com os resultados do método balanced k-means. O resultado de um experimento realizado em 32 datasets demonstrou que os métodos aglomerativos usando outras medidas de distância possuem desempenho equivalente a quando usados com a distância euclidiana, quando comparados ao balanced k-means o desempenho também foi equivalente porém com uma complexidade computacional igual ou inferior.