Rafael Geraldeli Rossi

Formação complementar

Idiomas

Áreas de atuação

Organização de eventos

Participação em eventos

Participação em bancas

Orientou

Produções bibliográficas

• ALMEIDA DO CARMO, FABRÍCIO ; FIGUEIRA DA SILVA JUNIOR, JORGE LUIZ ; GERALDELI ROSSI, RAFAEL ; FRANÇA LOBATO, FÁBIO MANOEL . Text representations for lyric-based identification of musical subgenres. IEEE Latin America Transactions , v. 21, p. 737-744, 2023.

• GÔLO, MARCOS PAULO SILVA ; DE SOUZA, MARIANA CARAVANTI ; ROSSI, R. G. ; REZENDE, SOLANGE OLIVEIRA ; NOGUEIRA, BRUNO MAGALHÃES ; MARCACINI, R. M. . One-class learning for fake news detection through multimodal variational autoencoders. ENGINEERING APPLICATIONS OF ARTIFICIAL INTELLIGENCE , v. 122, p. 106088, 2023.

• GÔLO, MARCOS P.S. ; ARAÚJO, ADAILTON F. ; ROSSI, R. G. ; MARCACINI, R. M. . Detecting relevant app reviews for software evolution and maintenance through multimodal one-class learning. INFORMATION AND SOFTWARE TECHNOLOGY , v. 151, p. 106998, 2022.

• CARNEVALI, JULIO CESAR ; ROSSI, RAFAEL GERALDELI ; MILIOS, EVANGELOS ; ANDRADE LOPES, ALNEU . A Graph-based Approach for Positive and Unlabeled Learning. INFORMATION SCIENCES , v. 580, p. 655-672, 2021.

• SOUZA, M. C. ; NOGUEIRA, B. M. ; ROSSI, R. G. ; MARCACINI, R. M. ; SANTOS, B. N. ; REZENDE, S. O. . A network-based positive and unlabeled learning approach for fake news detection. MACHINE LEARNING , v. 1, p. 1-44, 2021.

• GOLO, M. P. S. ; ROSSI, R. G. ; MARCACINI, R. M. . Learning to sense from events via semantic variational autoencoder. PLoS One , v. 16, p. e0260701, 2021.

• DOS SANTOS, BRUCCE NEVES ; ROSSI, R. G. ; REZENDE, SOLANGE OLIVEIRA ; MARCACINI, R. M. . A two-stage regularization framework for heterogeneous event networks. PATTERN RECOGNITION LETTERS , v. 138, p. 490-496, 2020.

• SINOARA, ROBERTA A. ; CAMACHO-COLLADOS, JOSE ; ROSSI, RAFAEL G. ; NAVIGLI, ROBERTO ; REZENDE, SOLANGE O. . Knowledge-enhanced document embeddings for text classification. KNOWLEDGE-BASED SYSTEMS , v. 163, p. 955-971, 2019.

• COUTINHO, FELIPE PROVEZANO ; REZENDE, SOLANGE OLIVEIRA ; ROSSI, RAFAEL GERALDELI . GA-TCTN: a framework for hyper-parameter optimization and text classification using transductive semi-supervised learning through term networks. LEARNING AND NONLINEAR MODELS , v. 17, p. 27-41, 2019.

• MARCACINI, R. M. ; ROSSI, R. G. ; MATSUNO, I. P. ; REZENDE, S. O. . Cross-domain aspect extraction for sentiment analysis: A transductive learning approach. DECISION SUPPORT SYSTEMS , v. 114, p. 70-80, 2018.

• DE PAULO FALEIROS, THIAGO ; GERALDELI ROSSI, RAFAEL ; DE ANDRADE LOPES, ALNEU . Optimizing the class information divergence for transductive classification of texts using propagation in bipartite graphs. Pattern Recognition Letters , v. 87, p. 127-138, 2017.

• GERALDELI ROSSI, RAFAEL ; ANDRADE LOPES, ALNEU DE ; OLIVEIRA REZENDE, SOLANGE . Using bipartite heterogeneous networks to speed up inductive semi-supervised learning and improve automatic text categorization. KNOWLEDGE-BASED SYSTEMS , v. 134, p. 94-118, 2017.

• SOUZA, VINICIUS M.A. ; ROSSI, RAFAEL G. ; BATISTA, GUSTAVO E.A.P.A. ; REZENDE, SOLANGE O. . Unsupervised active learning techniques for labeling training sets: An experimental evaluation on sequential data. Intelligent Data Analysis , v. 21, p. 1061-1095, 2017.

• ROSSI, RAFAEL GERALDELI ; LOPES, ALNEU DE ANDRADE ; REZENDE, SOLANGE OLIVEIRA . Optimization and label propagation in bipartite heterogeneous networks to improve transductive classification of texts. Information Processing & Management , v. 52, p. 217-257, 2016.

• MATSUNO, I. P. ; ROSSI, R. G. ; MARCACINI, R. M. ; REZENDE, S. O. . Aspect-based Sentiment Analysis using Semi-supervised Learning in Bipartite Heterogeneous Networks. Journal of Information and Data Management - JIDM , v. 7, p. 141-156, 2016.

• ROSSI, RAFAEL GERALDELI ; DE ANDRADE LOPES, ALNEU ; DE PAULO FALEIROS, THIAGO ; REZENDE, SOLANGE OLIVEIRA . Inductive Model Generation for Text Classification Using a Bipartite Heterogeneous Network. Journal of Computer Science and Technology , v. 29, p. 361-375, 2014.

• ROSSI, R. G. ; MARCACINI, R. M. ; Rezende, S. O. . Analysis of domain independent statistical keyword extraction methods for incremental clustering. Learning and Nonlinear Models , v. 12, p. 17-37, 2014.

• SOUZA, VINICIUS M. A. ; CHERMAN, EVERTON A. ; ROSSI, RAFAEL G. ; Souza, Rafael A. . Towards Automatic Evaluation of Asphalt Irregularity Using Smartphone¿s Sensors. Lecture Notes in Computer Science. 1ed.: Springer International Publishing, 2017, v. , p. 322-333.

• ROSSI, RAFAEL GERALDELI ; REZENDE, SOLANGE OLIVEIRA ; DE ANDRADE LOPES, ALNEU . Term Network Approach for Transductive Classification. Lecture Notes in Computer Science. 16ed.: Springer International Publishing, 2015, v. 9042, p. 497-515.

• Drury, Brett ; ROSSI, RAFAEL GERALDELI ; DE ANDRADE LOPES, ALNEU . Identification of Brazilian Portuguese Causative Verbs through a Weighted Graph Classification Strategy. Lecture Notes in Computer Science. 11ed.: Springer International Publishing, 2014, v. , p. 274-279.

• GÔLO, MARCOS ; CARAVANTI, MARIANA ; ROSSI, RAFAEL ; REZENDE, SOLANGE ; NOGUEIRA, BRUNO ; MARCACINI, RICARDO . Learning Textual Representations from Multiple Modalities to Detect Fake News Through One-Class Learning. In: WebMedia '21: Brazilian Symposium on Multimedia and the Web, 2021, Belo Horizonte Minas Gerais Br. Proceedings of the Brazilian Symposium on Multimedia and the Web. New York: ACM, 2021. p. 197-204.

• SOUZA, M. C. ; NOGUEIRA, B. M. ; ROSSI, R. G. ; MARCACINI, R. M. ; REZENDE, S. O. . A Heterogeneous Network-Based Positive and Unlabeled Learning Approach to Detect Fake News. In: 10th Brazilian Conference on Intelligent Systems, 2021. Proceedings of the 10th Brazilian Conference on Intelligent Systems, 2021. p. 3-18.

• SANTOS, J. V. G. ; ROSSI, R. G. . Aprendizado de Máquina não Supervisionado Baseado em Redes Heterogêneas para Agrupamento de Textos. In: XVII Encontro Nacional de Inteligência Artificial e Computacional, 2020. Anais do XVII Encontro Nacional de Inteligência Artificial e Computacional, 2020. p. 1-12.

• FIGUEIRA JUNIOR, J. L. ; ROSSI, R. G. ; LOBATO, F. M. F. . A Lyric-Based Approach for Brazilian Music Knowledge Discovery: Brazilian Country Music as a Case Study. In: 16th National Meeting on Artificial and Computational Intelligence, 2019, Salvador. Proceedings of the 16th National Meeting on Artificial and Computational Intelligence, 2019.

• GOLO, M. P. S. ; MARCACINI, R. M. ; ROSSI, R. G. . An Extensive Empirical Evaluation of Preprocessing Techniques and Supervised One Class Learning Algorithms for Text Classification. In: 16th National Meeting on Artificial and Computational Intelligence, 2019, Salvador, BA. Proceedings of the 16th National Meeting on Artificial and Computational Intelligence, 2019.

• MIQUILINI, PATRICIA ; ROSSI, RAFAEL G. ; QUILES, MARCOS G. ; MELO, VINICIUS V. DE ; BASGALUPP, MARCIO P. . Automatically Design Distance Functions for Graph-Based Semi-Supervised Learning. In: 2017 IEEE Trustcom/BigDataSE/ICESS, 2017, Sydney. 2017 IEEE Trustcom/BigDataSE/ICESS, 2017. p. 933.

• SANTOS, BRUCCE NEVES DOS ; ROSSI, RAFAEL GERALDELI ; MARCACINI, RICARDO MARCONDES . Transductive Event Classification through Heterogeneous Networks. In: 23rd Brazillian Symposium on Multimedia and the Web, 2017, Gramado. Proceedings of the 23rd Brazillian Symposium on Multimedia and the Web - WebMedia '17, 2017. p. 285-292.

• MARCACINI, R. M. ; ROSSI, R. G. ; NOGUEIRA, B. M. ; MARTINS, L. V. ; CHERMAN, E. A. ; REZENDE, S. O. . Websensors Analytics: Learning to sense the real world using web news events. In: Workshop de Ferramentas e Aplicações - Simpósio Brasileiro de Sistemas Multimídia e Web, 2017. Anais do XXIII Simpósio Brasileiro de Sistemas Multimídia e Web: Workshops e Pôsteres. Porto Alegre - RS: Sociedade Brasileira de Computação, 2017. p. 169-173.

• SINOARA, ROBERTA A. ; ROSSI, RAFAEL G. ; REZENDE, SOLANGE O. . Semantic role-based representations in text classification. In: 2016 23rd International Conference on Pattern Recognition (ICPR), 2016, Cancun. 2016 23rd International Conference on Pattern Recognition (ICPR), 2016. p. 2313.

• MATSUNO, I. P. ; ROSSI, R. G. ; MARCACINI, R. M. ; REZENDE, S. O. . Análise de Sentimentos baseada em Aspectos usando Aprendizado Semissupervisionado em Redes Heterogêneas. In: Symposium on Knowledge Discovery, Mining and Learning, 2015, Petrópolis. Proceeding of the 3rd Symposium on Knowledge Discovery, Mining and Learning, 2015. p. 90-93.

• ROSSI, RAFAEL G. ; LOPES, ALNEU A. ; REZENDE, SOLANGE O. . A parameter-free label propagation algorithm using bipartite heterogeneous networks for text classification. In: the 29th Annual ACM Symposium, 2014, Gyeongju. Proceedings of the 29th Annual ACM Symposium on Applied Computing - SAC '14. New York: ACM Press. p. 79.

• SILVA, D. F. ; ROSSI, R. G. ; REZENDE, S. O. ; BATISTA, G. E. A. P. A. . Music Classification by Transductive Learning Using Bipartite Heterogeneous Networks. In: 15th International Society for Music Information Retrieval Conference, 2014, Taipei. Proceedings of the 15th International Society for Music Information Retrieval Conference, 2014. p. 113-118.

• DOMINGUES, MARCOS A. ; CHERMAN, EVERTON A. ; NOGUEIRA, BRUNO M. ; CONRADO, MERLEY S. ; ROSSI, RAFAEL G. ; DE PADUA, RENAN ; MARCACINI, RICARDO M. ; SOUZA, VINICIUS M. A. ; BATISTA, GUSTAVO E. A. P. A. ; RCZENDC, SOLANGE O. . A comparative study of algorithms for recommending given names. In: 2013 Second International Conference on Informatics & Applications (ICIA 2013), 2013, Lodz. 2013 Second International Conference on Informatics & Applications (ICIA). v. 1. p. 66-71.

• CONRADO, MERLEY S. ; ROSSI, RAFAEL G. ; PARDO, THIAGO A. S. ; REZENDE, SOLANGE O. . Applying transductive learning for automatic term extraction: The case of the ecology domain. In: 2013 Second International Conference on Informatics & Applications (ICIA 2013), 2013, Lodz. 2013 Second International Conference on Informatics & Applications (ICIA). p. 264-269.

• ROSSI, R. G. ; MARCACINI, R. M. ; REZENDE, S. O. . Analysis of Statistical Keyword Extraction Methods for Incremental Clustering. In: X Encontro Nacional de Inteligência Artificial e Computacional - ENIAC, 2013, Fortaleza, CE. X Encontro Nacional de Inteligência Artificial e Computacional - ENIAC. Porto Alegre: SBC, 2013.

• ROSSI, R. G. ; REZENDE, S. O. . Representação de Coleções de Documentos Textuais por meio de Regras de Associação. In: VIII Concurso de Teses e Dissertações em Inteligência Artificial, 2012, Curitiba. Brazilian Conference on Intelligent Systems (XXI Brazilian Symposium on Artificial Intelligence - SBIA, XII Brazilian Symposium on Neural Network - SBRN, IX Encontro de Inteligência Artificia - ENIA), 2012.

• ROSSI, R. G. ; FALEIROS, T. P. ; REZENDE, S. O. ; Lopes A. A. . Inductive Model Generation for Text Categorization using a Bipartite Heterogeneous Network. In: IEEE International Conference on Data Mining, 2012, Brussels. Proceeding of the IEEE International Conference on Data Mining, 2012. p. 1086-1081.

• ROSSI, R. G. ; REZENDE, S. O. . Generating Features from Textual Documents Through Association Rules. In: ENIA: Encontro Nacional de Inteligência Artificial, 2011, Natal. XXX Congresso da Sociedade Brasileira de Computação. Porto Alegre - RS: Sociedade Brasileira de Computação, 2011. v. 1. p. 311-322.

• ROSSI, R. G. ; REZENDE, S. O. . Building a Topic Hierarchy Using the Bag-of-Related-Words Representation. In: 11th ACM Symposium on Document Engineering, 2011, Mountain View, Califórnia, EUA. Proceedings of hte 2011 ACM Symposium on Document Engineering. New York, EUA: ACM, 2011. v. 1. p. 195-204.

• Neto, A. T. ; Fortes, R. P. M. ; ROSSI, R. G. ; REZENDE, S. O. . MMWA-ae: boosting knowledge from Multimodal Interface Design, Reuse and Usability Evaluation. In: Proceedings SEKE 2010 The 22nd International Conference on Software Engineering and Knowledge Engineering, 2010, Redwood City, San Francisco. SEKE 2010, 2010. v. 1. p. 355-360.

• ROSSI, R. G. ; REZENDE, S. O. . The use of frequent itemsets extracted from textual documents for the classification task. In: III International Workshop on Web and Text Intelligence (WTI - 2010), 2010, São Bernado do Campo. Joint Conference 2010, 2010. p. 846-855.

• NOGUEIRA, B. M. ; MOURA, M. F. ; CONRADO, M. A. ; ROSSI, R. G. ; MARCACINI, R. M. ; REZENDE, S. O. . Winning some of the document preprocessing challenges in a text mining process. In: SBBD - Simpósio Brasileiro de Banco de Dados, 2008, Campinas - SP. IV Workshop em Algoritmos e Aplicações de Mineração de Dados, 2008, 2008.

• MARCACINI, R. M. ; ROSSI, R. G. ; REZENDE, S. O. ; MOURA, M. F. . Identificação de Competências por meio de Agrupamentos Hierárquicos. In: C3N. In: C3N - Congresso Trinacional de Ciências, 2008, 2008, Foz do Iguaçu - PR. C3N - Congresso Trinacional de Ciências, 2008.

• FERREIRA1, R. T. M. ; ROSSI, R. G. . Um estudo sobre o uso de aprendizado profundo na técnica de ensemble stacking aplicado na classificação automática de textos. In: INTEGRA UFMS 2021, 2021. Anais do INTEGRA UFMS 2021, 2021. p. 1-10.

• DEZAN, N. ; ROSSI, R. G. . Estudo de técnicas ensemble no aprendizado baseado em uma única classe na classificação automática de textos. In: INTEGRA UFMS 2021, 2021. Anais do INTEGRA UFMS 2021, 2021. p. 402.

• SAWADA, J. V. ; ROSSI, R. G. . Propagação de Rótulos em Redes para o Agrupamento de Textos. In: INTEGRA UFMS 2020, 2020. Anais do INTEGRA UFMS 2020, 2020. p. 267-267.

• ARANDA, B. M. ; ROSSI, R. G. . Classificação Automática de Textos via Aprendizado Semissupervisionado Baseado em Uma Única Classe e Representações em Redes. In: INTEGRA UFMS 2020, 2020. Anais do INTEGRA UFMS 2020, 2020. p. 294-294.

• LOPES, E. B. ; ROSSI, R. G. ; MARCACINI, R. M. . Mineração de Opiniões com Fusão de Informações em Redes Heterogêneas. In: INTEGRA UFMS 2020, 2020. Anais do INTEGRA UFMS 2020, 2020. p. 414-414.

• MORAES, L. G. ; ROSSI, R. G. . Estudo de Técnicas de Aprendizado Baseado em Uma Única Classe para o Reconhecimento Facial. In: INTEGRA UFMS 2020, 2020. Anais do INTEGRA UFMS 2020, 2020. p. 526-526.

• MEDEIROS, E. A. N. ; ROSSI, R. G. ; MARCACINI, R. M. . Aprendizado de Representações em Redes Heterogêneas: Aplicações em Agrupamento de Eventos. In: INTEGRA UFMS 2020, 2020. Anais do INTEGRA UFMS 2020, 2020. p. 526-526.

• SANTOS, J. V. G. ; ROSSI, R. G. . Aprendizado de Máquina Não Supervisionado Baseado em Redes Heterogêneas para Agrupamento De Textos. In: INTEGRA UFMS, 2019. Anais 2019 - INTEGRA UFMS, 2019.

• GOLO, M. P. S. ; ROSSI, R. G. . Aprendizado De Máquina Semissupervisionado Baseado em Uma Única Classe para a Classificação Automática de Textos. In: INTEGRA UFMS, 2019. Anais 2019 - INTEGRA UFMS, 2019.

• GOLO, M. P. S. ; ROSSI, R. G. . Análise de Técnicas de Pré-Processamento e Aprendizado de Máquina Supervisionado Baseado em Uma Única Classe para a Classificação Automática de Textos. In: 71ª Reunião Anual da Sociedade Brasileira para o Progresso da Ciência, 2019, Campo Grande, MS. Anais da 71ª Reunião Anual da Sociedade Brasileira para o Progresso da Ciência, 2019.

• SANTOS, J. V. G. ; ROSSI, R. G. . Aprendizado de máquina não supervisionado baseado em redes heterogêneas para agrupamento de textos. In: 27º Simpósio Internacional de Iniciação Científica da USP - SIICUSP, 2019, São Carlos. 27º Simpósio Internacional de Iniciação Científica da USP - SIICUSP, 2019.

• GOLO, M. P. S. ; ROSSI, R. G. . APRENDIZADO DE MÁQUINA SEMISSUPERVISIONADO BASEADO EM UMA ÚNICA CLASSE PARA A CLASSIFICAÇÃO AUTOMÁTICA DE TEXTOS. In: 27º Simpósio Internacional de Iniciação Científica da USP - SIICUSP, 2019, São Carlos. 27º Simpósio Internacional de Iniciação Científica da USP - SIICUSP, 2019.

• SILVA JUNIOR, D. D. ; ROSSI, R. G. . Classificação automática de textos utilizando aprendizado supervisionado baseado em uma única classe. In: 26º Simpósio Internacional de Iniciação Científica e Tecnológica da USP., 2018, São Carlos, SP. 26º Simpósio Internacional de Iniciação Científica e Tecnológica da USP., 2018.

• GOLO, M. P. S. ; ROSSI, R. G. . Aprendizado de máquina semissupervisionado baseado em uma única classe para a classificação automática de textos. In: 26º Simpósio Internacional de Iniciação Científica e Tecnológica da USP, 2018, São Carlos, SP. 26º Simpósio Internacional de Iniciação Científica e Tecnológica da USP, 2018.

• CONCEICAO, T. O. ; ROSSI, R. G. . Desenvolvimento de uma Ferramenta para Análise de Sentimentos de Textos Publicados no Twitter. In: 26º Simpósio Internacional de Iniciação Científica e Tecnológica da USP, 2018, São Carlos, SP. 26º Simpósio Internacional de Iniciação Científica e Tecnológica da USP, 2018.

• SANTOS, L. H. A. ; ROSSI, R. G. . Aprendizado Multirrótulo Para Classificação Automática De Textos. In: 26º Simpósio Internacional de Iniciação Científica e Tecnológica da USP, 2018, São Carlos, SP. 26º Simpósio Internacional de Iniciação Científica e Tecnológica da USP, 2018.

• GOLO, M. P. S. ; ROSSI, R. G. . Aprendizado de Máquina Semissupervisionado Baseado em uma Única Classe para a Classificação Automática de Textos. In: Integra UFMS, 2018, Campo Grande. Integra UFMS, 2018.

• SANTOS, L. H. A. ; ROSSI, R. G. . Aprendizado Multirrótulo para a Classificação Automática de Textos. In: Integra UFMS, 2018. Integra UFMS, 2018.

• PARAVIA, R. P. P. ; SINOARA, R. A. ; ROSSI, R. G. ; Rezende, S. O. . Sistema para apoio à rotulação manual de textos utilizando aprendizado de máquina. In: Simpósio Internacional de Iniciação Científica da USP, 2015, São Carlos. Anais do Simpósio Internacional de Iniciação Científica da USP, 2015.

• Albuquerque, D. L. ; SANTOS, F. F. ; ROSSI, R. G. ; REZENDE, S. O. . Organização de dados governamentais públicos baseada em hierarquias de tópicos. In: 20º Simpósio de Iniciação Científica da Universidade de São Paulo, 2012. Simpósio Internacional de Iniciação Científica da USP -, 2012.

• ROSSI, R. G. ; REZENDE, S. O. . IESYSTEM - Uma Ferramenta para Extração de Metadados de Artigos Científicos. In: 17º Simpósio Internacional de Iniciação Ciêntífica, 2009, São Carlos. XVII Simpósio Internacional de Iniciação Científica USP, 2009.

• ROSSI, R. G. . A Inteligência Artificial e os Impactos no Mercado de Trablaho. 2024. (Apresentação de Trabalho/Outra).

• ROSSI, R. G. . Mineração de Dados e Software Livre. 2018. (Apresentação de Trabalho/Conferência ou palestra).

• ROSSI, R. G. . Introdução à Mineração de Dados. 2017. (Apresentação de Trabalho/Conferência ou palestra).

• ROSSI, R. G. . Aprendizado de Máquina Baseado em Redes para a Classificação Automática de Textos. 2016. (Apresentação de Trabalho/Seminário).

• ROSSI, R. G. ; REZENDE, S. O. . Term Network Approach for Transductive Classification. 2015. (Apresentação de Trabalho/Seminário).

• ROSSI, R. G. ; REZENDE, S. O. ; Lopes A. A. . Term Network Approach for Transductive Classification. 2015. (Apresentação de Trabalho/Congresso).

• ROSSI, R. G. ; Lopes A. A. ; REZENDE, S. O. . A Parameter-Free Label Propagation Algorithm Using Bipartite Heterogeneous Networks for Text Classification. 2014. (Apresentação de Trabalho/Simpósio).

• ROSSI, R. G. ; REZENDE, S. O. . Representação de Coleções de Documentos Textuais por meio de Regras de Associação. 2012. (Apresentação de Trabalho/Congresso).

• ROSSI, R. G. ; FALEIROS, T. P. ; Lopes A. A. ; REZENDE, S. O. . Inductive Model Generation for Text Categorization Using a Bipartite Heterogeneous Network. 2012. (Apresentação de Trabalho/Congresso).

• ROSSI, R. G. ; REZENDE, S. O. . Gererating Features from Textual Documents Through Association Rules. 2011. (Apresentação de Trabalho/Congresso).

• ROSSI, R. G. ; REZENDE, S. O. . The use of frequent itemsets extracted from textual documents for the classification task. 2010. (Apresentação de Trabalho/Congresso).

• ROSSI, R. G. ; REZENDE, S. O. . IESystem - Uma ferramenta para extração de metadados de artigos científicos. 2009. (Apresentação de Trabalho/Simpósio).

• MARCACINI, R. M. ; ROSSI, R. G. ; REZENDE, S. O. ; MOURA, M. F. . Identificação de Competências por meio de Taxonomia de Tópicos Hierárquicos. 2008. (Apresentação de Trabalho/Congresso).

• ROSSI, R. G. ; REZENDE, S. O. . Avaliação de Algoritmos de Extração de Palavras-Chaves Aplicados a Artigos Científicos 2009 (Trabalho de Conclusão de Curso).

• ROSSI, R. G. . Avaliação de Algoritmos Independentes de Domínio para Segmentação Textual de Artigos Científicos 2009 (Trabalho de Conclusão de Curso).

Outras produções

Projetos de pesquisa

• 2021 - Atual

  Novos discursos e linguagens: perspectivas sistêmico-funcionais na análise de multimodalidade, cultura e ideologia, Descrição: O crescimento da internet e das mídias sociais, a globalização e os avanços tecnológicos e econômicos têm sido acompanhados por uma série de tendências e transformações, com variadas implicações para a comunicação humana. Por consequência, o impacto das mudanças midiáticas e da democratização das sociedades têm profundamente afetado discursos e textos nos meios de comunicação digitais. A promessa da internet de garantir uma arena de múltiplas culturas e ideologias, devido à liberalização e disseminação da informação, não resultou, todavia, num espaço pleno de comunicação amplo, inclusivo e pluralista. Fenômenos recentes, como as fake news e o cyberharassment desencadeiam discussões globais sobre o acesso e o controle de informações. A ascensão de gigantes da mídia ? conglomerados globais de multimídia com influência cultural e política sobre muitas populações ? é outra ameaça ao pluralismo de ideias e conteúdos locais. Do lado positivo, novas ferramentas e funcionalidades são diuturnamente inventadas para acelerar, aumentar e qualificar a comunicação humana. Elas promovem a criação de novos gêneros, os chamados gêneros emergentes. Estas novas formas de comunicação são comumente disseminadas pela população mais jovem e surgem tão rapidamente quanto são substituídas, deixando, no seu rastro, marcas linguísticas e modais indeléveis. De qualquer modo, todas essas transformações sociais afetam decisivamente as formas de fazer linguagem na mídia. Sendo assim, o presente projeto de pesquisa tem o objetivo central de abrigar estudos que discutam como discursos são ideológica e culturalmente remodelados e como textos são modificados, em forma e função, durante os processos contemporâneos de transformação da comunicação na mídia. Para tanto, a pesquisa tem caráter transdisciplinar e pretende abrigar diversas propostas teóricas e metodológicas na compreensão desses fenômenos linguísticos presentes nos seus mais variados níveis de organização e áreas do conhecimento. Deste arcabouço, terão especial destaque a Linguística da Internet, Linguística Sistêmico-Funcional e Linguística de Corpus, além de teorias comumente aplicadas em associação com este pressuposto. Outras correntes de suporte teórico aos estudos do projeto orientam a respeito do posicionamento crítico recuperado por meio de escolhas léxico-gramaticais realizadas nas três metafunções da linguagem: ideacional, interpessoal e textual.. , Situação: Em andamento; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (7) / Mestrado acadêmico: (3) / Doutorado: (7) . , Integrantes: Rafael Geraldeli Rossi - Integrante / Ulisses Tadeu Vaz de Oliveira - Coordenador / Vanessa Hagemeyer Burgo - Integrante / Marcelo Saparas - Integrante / Lindinalva Zagoto Fernandes - Integrante / Leonardo Antonio Soares - Integrante / Sumiko Nishitani Ikeda - Integrante / Janaina Weissheimer - Integrante / Simone Vieira Resende - Integrante / Marcia Veirano Pinto - Integrante / Wagner Corsino Enedino - Integrante / Wander Marques Vieira - Integrante / Christian David Rizzato Petrini - Integrante / Michelle Oliveira do Espírito Santo Corsino - Integrante / Elaine de Castro - Integrante / Giovanna Rosti Vicentine - Integrante / Magno Pinheiro de Almeida - Integrante / Patrícia Ferreira de Brito - Integrante / Patrícia Socorro da Costa Cunha - Integrante / Vanessa Cristiane de Freitas Fernandes Santos - Integrante / Cíntia Débora de Moraes Cinti - Integrante / Vittoria Loviscek - Integrante / Déborah Louise Moura Tavares Pessoa - Integrante / Fernando Oliveira Caetano - Integrante / Tatiane Ivata Marcelino - Integrante / Rafael Fernandes Henrique dos Santos - Integrante / Yasmin Suzan de Carvalho - Integrante / Lucas Antônio dos Santos Ferreira - Integrante / Maria Fernanda Pelloso - Integrante / Julia Leal Barbosa - Integrante / Natalia Moreno Sexto - Integrante.

• 2020 - Atual

  Representações semanticamente enriquecidas para mineração de textos em português: Modelos e Aplicações, Descrição: Com a crescente geração e disponibilização de textos, seja internamente nas organizações ou na Web, técnicas de Mineração de Textos têm se tornado essenciais no apoio à análise e extração de conhecimento desses dados. Independentemente da aplicação ou técnica utilizada, o tratamento semântico dos textos é um grande desafio do processo de mineração. Esse desafio é ainda maior quando se considera textos escritos no idioma português, visto as particularidades do idioma e o limitado volume de recursos e pesquisas desenvolvidas. Nesse contexto, este projeto visa avançar as pesquisas da área de Mineração de Textos, com foco no idioma português, e disseminar o conhecimento da área por meio da aplicação em diferentes problemas do mundo real. Assim, serão investigados e propostos modelos de representação de textos semanticamente enriquecidos, abordando tanto representações no modelo espaço-vetorial quanto representações em rede, bem como sua aplicação no aprendizado baseado em uma única classe. Para viabilizar a pesquisa, coleções de textos escritos em português serão coletadas, preparadas e caracterizadas, disponibilizando à comunidade informações consolidadas sobre coleções rotuladas e disponibilizadas para pesquisa. Por fim, as representações semanticamente enriquecidas serão avaliadas e aplicadas em diferentes problemas práticos de Mineração de Textos, como análise de sentimentos, sistemas de recomendação, detecção de notícias falsas, descoberta baseada em literatura e mineração de eventos.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Integrante / Bruno Magalhães Nogueira - Integrante / Alípio Mário Guedes Jorge - Integrante / Marcos Aurélio Domingues - Integrante / Camila Vaccari Sundermann - Integrante / Roberta Akemi Sinoara - Integrante / Veronica Oliveira de Carvalho - Integrante / Solange Oliveira Rezende - Coordenador., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2019 - 2020

  Product2Vec: Representação Semântica de Produtos de Lojas Virtuais utilizando Aprendizado de Máquina, Descrição: Consumidores têm realizado pesquisas exploratórias cada vez mais longas considerando um número cada vez maior de diferentes fontes e tipos de informações. Lojas virtuais, canais de youtube, agregadores de ofertas, notícias, fóruns de discussão, sites de fabricantes e redes sociais são exemplos das diversas fontes de informação que consumidores podem utilizar para decidir sua compra. Essas fontes apresentam informação de vários tipos, tais como descrições de produtos, especificações, avaliações de consumidores, revisões de especialistas, vídeos de demonstração, imagens dos produtos, perguntas e respostas, entre outros tipos de dados. Essa grande quantidade de informações pulverizadas em diversos locais têm tornada a jornada de pesquisa e de decisão de compra tem sido cada vez mais longa e gerado cada vez mais insegurança aos consumidores. Nesse sentido, avanços recentes em representações multivisão (multi-modal) na área de Aprendizado de Máquina e Deep Learning podem suportar novas aplicações para facilitar a personalização e exploração dessa informações. Considerar esses avanços no domínio de produtos (e seus conteúdos relacionados) de e-commerce representa um desafio técnico-científico e é o objetivo principal deste projeto de pesquisa. Esforços técnicos e de pesquisa científica já têm sido empregados pela Birdie para coletar e estruturar dados desse domínio desenvolver tecnologias que habilitem aplicações para auxiliar consumidores, como buscas mais semânticas e agregação e personalização de diferentes tipos de informações. A empresa já conta com uma base de dados com mais de de 50 milhões de registros entre ofertas, avaliações/reviews, imagens, perguntas e respostas de 420 diferentes fontes, além mais de 5 milhões de preços são monitorados e armazenados diariamente. Esses dados estão sendo utilizados para criar aplicações, aplicar e avaliar tarefas de Aprendizado de Máquina tradicionais como a classificação desses registros em categorias, análise de sentimentos de avaliações, estruturação de descrições de produtos, entre outras. Esses esforços resultaram em alguns produtos, tais como o módulo de matching (de-duplicação) automático de diferentes ofertas de um mesmo produto e a consolidação e agregação de diferentes informações sobre produtos. A demonstração de ambas como produto final ao consumidor pode ser encontrada em http://find.birdie.ai/. No entanto, foram utilizados métodos tradicionais de aprendizado de máquina que dependem muito de validação humana, como rotulação de amostras, criação de dicionários e construção de listas de referências (marcas, categorias e modelos). Tais limitações reduzem a escala da solução e dificultam sua expansão para diversas categorias de produtos. Por outro lado, avanços recentes na área de aprendizado de máquina que utilizam conceitos de Deep Learning, regularização de similaridades e modelagem por redes heterogêneas demandam um grande volume de dados para funcionar mas precisam de poucos exemplos rotulados (aprendizado semissupervisionado), possibilitando menor intervenção humana no processo de aprendizado e maior generalidade e escala dos modelos criados. Nesse sentido, este projeto de pesquisa tem como principal intuito adaptar e incorporar métodos recentes de aprendizado de máquina que lidam com dados heterogêneos para estruturar a grande quantidade de informações contidas no domínio de e-commerce. O resultado final da estruturação dessas informações é chamado nesta proposta de Product2Vec, em que é obtida uma nova representação sobre os produtos de comércio eletrônico, integrando fichas técnicas, reviews, comentários, e diversos outros metadados. Essa nova representação permitirá correlacionar diretamente diferentes tipos de informações do modelo e fornecerá maior flexibilidade e poder de escala para criar aplicações relacionadas ao domínio da empresa.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Integrante / Solange Oliveira Rezende - Integrante / Everton Alvares Cherman - Coordenador / Ricardo M. Marcacini - Integrante / Diego Furtado Silva - Integrante / Moacir Antonelli Ponti - Integrante / Rodrigo Pantigas da Silva - Integrante / Fernando Tadao Ito - Integrante / Alexandre Abdo Hadade - Integrante / Patricia Osorio de Moraes Garcia - Integrante.

• 2018 - 2020

  Plataforma de Gerenciamento de Provas Virtuais para a Web 3.0, Descrição: Uma plataforma web completa para gerenciamento de provas virtuais com o diferencial de incorporar provas adaptativas, inteligência artificial para apoiar correção de questões discursivas e detecção de plágio, bem como integração com ferramentas de acessibilidade para deficiência auditiva e visual.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Bruno Magalhães Nogueira - Integrante / Ricardo M. Marcacini - Coordenador / Vitor Mesaque Alves de Lima - Integrante / Cristiano Costa Argemon Vieira - Integrante / Edna Scremin Dias - Integrante / Edson Norberto Cáceres - Integrante / Maria Istela Cagnin - Integrante / Débora Maria Barroso Paiva - Integrante / Nalvo Franco de Almeida Junior - Integrante / Daiani Damm Tonetto Riedner - Integrante / Carla B. Zandavalli M. Araujo - Integrante / Eduardo Luís Figueiredo de Lima - Integrante., Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro.

• 2018 - Atual

  Aprendizado de Máquina Baseado em Uma Única Classe: Algoritmos e Aplicações, Descrição: A quantidade de dados disponível em formato digital na rede mundial de computadores aumenta a cada dia. Esses dados estão em diferentes formatos, como (i) textos produzidos dentro das empresas, portais de notícias, blogs e redes sociais; (ii) imagens produzidas por satélites, drones, câmeras digitais e exames médicos; (iii) dados numérios produzidos por resultados por exames ou aparelhos de mensuração que gerem tais dados e (iv) sequencias de genes. É humanamente impossível realizar tarefas como a organização, gerenciamento, e uma das principais, a extração de conhecimento de grandes volumes de dados, os quais são úteis tanto na área acadêmica quanto comercial. Uma das técnicas para se realizar tais tarefas automaticamente é a classificação automática. Para que se possa relizar a classificação automática, é preciso construir um modelo de classificação. Esse modelo é normalmente construído por técnicas de aprendizado de máquina, as quais visam extrair padrões de exemplos e respectivos rótulos (identificadores de classe). A maioria das pesquisas e aplicações práticas ainda fazem uso do aprendizado supervisionado multi-classe. Neste cenário, o usuário ou especialista de domínio responsável pela rotulação deve definir todas as classes nas quais os documentos poderão ser atribuídos, bem como uma grande quantidade de exemplos de documentos pertencentes a cada uma dessas classes (documentos rotulados). Isso pode ser oneroso ao rotulador e demandar conhecimento absoluto sobre o problema a ser tratado. Uma situação mais prática seria o usuário fornecer apenas exemplos de seu conhecimento ou se seu interesse. Além disso, neste mesmo cenário, será atribuído à um exemplo não rotulado sempre uma das categorias que foram informadas durante a construção do modelo de classificação, mesmo que a classe real desse exemplo não seja uma das classes previamente informada. Para sanar essas dificuldades do aprendizado supervisionado multi-classe tradicionalmente utilizado, e para deixar mais prática a aplicação da classificação automática em situações em que o usuário esteja interessado em uma única classe (também denominada classe alvo ou classe de interesse), têm ganhado interesse nos últimos anos a área de aprendizado baseado em uma única classe. Neste tipo de aprendizado, são informados apenas exemplos da classe de interesse para construir o modelo de classificação, e portanto, diminuindo o esforço do usuário de rotulação e conhecimento do domínio por parte do usuário. Nesta abordagem, o classificador irá classificar um exemplo como sendo da classe de interesse ou não sendo da classe de interesse (também denominado outlier).. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Coordenador / Bruno Magalhães Nogueira - Integrante / Solange Oliveira Rezende - Integrante / Alneu Andrade Lopes - Integrante / MARCACINI, RICARDO M. - Integrante / Diego Furtado Silva - Integrante / EDSON TAKASHI MATSUBARA - Integrante / Vinícius MourãoAlves de Souza - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2018 - Atual

  Inteligência Analítica para Agronegócios: Um Framework de Aprendizado de Máquina Multivisão baseado em Regularização de Similaridades, Projeto certificado pelo(a) coordenador(a) Ricardo Marcondes Marcacini em 14/04/2021., Descrição: Inteligência Analítica pode ser definida como a exploração de técnicas computacionais para análises descriticas e preditivas baseadas em grandes bases de dados, com o objetivo de oferecer maior probabilidade de acerto em processos de tomada de decisão. Para apoiar o processo de Inteligência Analítica são utilizadas as cotações históricas de preço (para considerar sazonalidade dos preços); previsões climáticas que podem afetar a produção; informações sobre oferta e demanda que atuam diretamente nos preços; planos de incentivo ou subsídio governamental; taxa de juros e câmbio que afetam serviços de crédito e custo dos insumos; e notícias específicas sobre o produto em questão, como ocorrência de pragas e doenças, queimadas, novas variedades, supersafras ou quebra de safras em outras regiões, etc. Além da dificuldade de reunir todas as informações relevantes, há o grande desafio de extrair e combinar tais informações para a análise propriamente dita, já que a grande maioria dessa informação está em formato textual por meio de relatórios, notícias e boletins. Em vista desses desafios e dificuldades, recentemente soluções computacionais baseadas em aprendizado de máquina têm sido propostas para apoiar o desenvolvimento de soluções de Inteligência Analítica. A ideia básica dos algoritmos de aprendizado de máquina é explorar um conjunto de dados que reprenta a informação histórica (experiência) existente sobre o problema para aprender um modelo (que generaliza a experiência) capaz de realizar predições a partir de novas informações. Atualmente, é reconhecido na literatura que as abordagens existentes são limitadas, pois oferecem soluções genéricas para Inteligência Analítica. É consenso que uma solução eficaz de Inteligência Analítica deve ser (i) orientado ao domínio do problema e (ii) possível de agregar de múltiplas visões dos dados provenientes de diferentes fontes e tipos de conhecimento. Neste projeto é investigado soluções para um problema comum às abordagens tradicionais de aprendizado de máquina, em que aplicações para inteligência analítica utilizam uma representação 'monovisão' dos dados, ou seja, as características (ou atributos) do problema, são compostas apenas por termos (palavras-chaves ou expressões) extraídos das notícias e relatórios; ou apenas por indicadores econômicos. No entanto, tal problema pode ser melhor representado por uma abordagem 'multivisão', o que permite diferenciar determinados termos conforme sua função no texto, como informação temporal, informação geográfica, nomes próprios e nomes de organizações. Em aplicações envolvendo Inteligência Analítica, na qual se deseja mapear e sensoriar fenômenos do mundo virtual para o mundo físico, considerar essas informações adicionais naturalmente proporciona resultados mais robustos. Considerando que cada visão dos dados possui uma medida própria de similaridade (ou correlação) entre suas instâncias, uma forma de lidar com aprendizado de máquina multivisão é via regularização de similaridades. Na prática, o objetivo é aprender uma nova similaridade entre os dados, ou seja, um novo espaço dimensional em que as instâncias provenientes de diferentes espaços possam ser comparadas. A definição de uma boa medida de similaridade é crucial para a eficácia de muitos algoritmos de aprendizado de máquina. A regularização de similaridades visa obter uma nova medida de similaridade, em um novo espaço dimensional, de acordo com as propriedades específicas de cada conjunto de dados por meio de um processo de consenso; resultando em uma solução única e potencialmente mais robusta.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Coordenador / Bruno Magalhães Nogueira - Integrante / Solange Oliveira Rezende - Integrante.

• 2018 - Atual

  Aprendizado de Websensors para Agronegócios, Projeto certificado pelo(a) coordenador(a) Ricardo Marcondes Marcacini em 13/01/2019., Descrição: Motivada pela diversidade de aplicações que podem ser derivadas por meio de algoritmos para extração de conhecimento da web, uma nova direção de pesquisa denominada Websensors tem como objetivo converter padrões extraídos de várias fontes da web em um conjunto de sinais, representado por meio de séries temporais, que permitem observar, estudar e monitorar o comportamento de um fenômeno de interesse. Devido ao grande volume de dados, variedade de fontes de informação e requisitos de velocidade para análise desses dados, os websensors são modelos computacionais com grande potencial para lidar com os desafios atuais relacionados à temática de Big Data; que recentemente tem recebido muita atenção na literatura e indústria pelos resultados promissores obtidos na resolução de tarefas complexas e para apoiar processos de tomada de decisão. A proposta geral deste projeto é utilizar conhecimento implícito em uma base histórica de milhões notícias sobre agronegócios no Brasil para aprender padrões por meio de Websensors que, ao longo do tempo, possam ser explorados para explicar o comportamento passado e predizer comportamento futuro no domínio de agronegócios, com apoio de algoritmos de aprendizado não supervisionado de máquina. Atividades prévias, como a coleta e organização de uma base de 18 anos de notícias (composta por milhões de registros) e resultados preliminares tem demonstrado que este é um caminho promissor.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Maria Fernanda Moura - Integrante / Bruno Magalhães Nogueira - Integrante / Solange Oliveira Rezende - Integrante / Ricardo M. Marcacini - Coordenador / EDSON TAKASHI MATSUBARA - Integrante / ERALDO LUIZ REZENDE FERNANDES - Integrante., Financiador(es): Conselho Nacional de Desenvolvimento Científico e Tecnológico - Auxílio financeiro.

• 2017 - 2018

  Mineração de Dados para Predição de Evasão em Ambientes de Ensino a Distância, Descrição: Estratégias de combate à evasão no ensino superior têm recebido grande atenção nos últimos anos. As estratégias tradicionais são baseadas na revisão dos projetos pedagógicos dos cursos, além da implantação de políticas de assistência estudantil, como apoio financeiro e psicológico aos alunos. O uso destas estratégias tradicionais é mais desafiador quando o principal meio de interação com os alunos é pelo ambiente computacional EAD. No entanto, esses ambientes armazenam um rico conjunto de dados que refletem o comportamento dos alunos, desde o registro de acesso e tempo utilizado nos recursos didáticos, atividades de avaliação, até a interação do aluno em fóruns de discussão. Métodos para Mineração de Dados são promissores para extrair conhecimento útil desses dados e, assim, apoiar processos de tomada de decisão. Assim, o objetivo deste projeto é desenvolver uma plataforma de Mineração de Dados com foco na predição de evasão para o sistema UAB. Na etapa de extração de conhecimento da plataforma, serão desenvolvidos algoritmos de aprendizado de modelos preditivos, ou seja, que identificam padrões nos dados históricos dos perfis de alunos desistentes; sendo capaz de predizer se um novo perfil entrou no grupo de risco da evasão. Como resultado, a plataforma será distribuída livremente, permitindo integrar com qualquer ambiente EAD.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Bruno Magalhães Nogueira - Integrante / Solange Oliveira Rezende - Integrante / Ricardo M. Marcacini - Coordenador / Vitor Mesaque Alves de Lima - Integrante / EDSON TAKASHI MATSUBARA - Integrante / ERALDO LUIZ REZENDE FERNANDES - Integrante., Financiador(es): Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - Auxílio financeiro.

• 2017 - 2017

  Avaliação e monitoramento colaborativo das condições de ruas e estradas por meio de sensores de smartphones, Descrição: No Brasil e no exterior, a malha rodoviária possui um papel fundamental para o transporte de cargas e passageiros. No setor de transporte de cargas, é responsável por 61% das movimentações nacionais e em relação ao transporte de passageiros, predomina com 95% de participação. Embora fundamental para a sociedade e crescimento econômico do país, é constatado que a maior parte da infraestrutura de ruas e estradas do Brasil é inadequada, sendo a qualidade do pavimento um dos maiores problemas. A má qualidade aumenta o tempo das viagens, eleva o custo de manutenção dos veículos, traz mais riscos aos usuários e emissões de poluentes, além de impactar diretamente na composição do preço de bens. Para o melhor planejamento de manutenções e intervenções adequadas nas vias, é essencial o uso de instrumentos de avaliação que permitam o monitoramento constante de suas condições. Com o objetivo de reduzir o esforço manual ou o uso de equipamentos de alto custo atualmente utilizados, como os perfilômetros inerciais a laser, neste projeto de pesquisa é proposto o desenvolvimento de um aplicativo móvel que faz uso de sensores presentes em smartphones, como acelerômetros e GPS, em conjunto com algoritmos de aprendizado de máquina e análise de sinais para a avaliação e monitoramento das condições de ruas e estradas. Assim, é possível que diferentes usuários contribuam para o constante monitoramento de maneira automática e ubíqua ao utilizarem aplicativos de navegação em smartphones fixados em seus veículos durante a condução. O produto a ser desenvolvido neste projeto apresenta vantagens importantes sobre as ferramentas atuais, que além de possuírem um custo elevado e a dependência de um especialista, não permitem uma avaliação altamente abrangente e o monitoramento constante de um ambiente com frequentes mudanças. Com as informações do aplicativo, empresas de transporte rodoviário ou usuários convencionais podem planejar rotas que consideram a qualidade do pavimento, visando a economia de tempo de viagem e combustível e o aumento da segurança. Além do aplicativo, também pretende-se desenvolver um sistema responsável por apresentar relatórios sobre a qualidade do pavimento avaliado ao longo do tempo. Tais relatórios podem ser estratégicos e auxiliar na tomada de decisão de empresas e órgãos públicos. Por exemplo, prefeituras ou empresas responsáveis pela concessão de rodovias podem planejar intervenções de maneira mais adequada, possibilitando também a realização de estimativas com antecedência dos custos orçamentários de tais intervenções. Desse modo, espera-se que o produto deste projeto seja responsável por impactos sociais e econômicos em diversos segmentos da sociedade.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Vinícius M. A. Souza - Coordenador / CHERMAN, EVERTON A. - Integrante / Diego Furtado Silva - Integrante / Rafael Alvez de Souza - Integrante / Aline Colares do Vale - Integrante / André Gustavo Maletzke - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2017 - Atual

  Classificação automática de textos por meio e aprendizado de máquina baseado em redes, Descrição: Atualmente há uma quantidade massiva de textos sendo produzida (e-mails, relatórios, artigos, postagens em redes sociais, e notícias). Devido a essa grande quantidade de textos, torna-se humanamente impossível organizar, analisar, e extrair conhecimento dos textos. Consequentemente, técnicas para realizar tais tarefas diminuindo a intervenção humana, como a classificação (rotulação) automática de textos, têm ganhado importância. Normalmente empregam-se algoritmos de aprendizado de máquina (AM) para ``aprender'' as classes com base no conteúdo e rótulos de textos, e então realizar a classificação. Entretanto, é necessário representar os textos em um formato estruturado para utilizar esses algoritmos. Recentemente, vêm-se destacando representações em redes, que permitem representar diferente tipos de entidades, como documentos, termos e outros tipos dependendo do domínio, e relaçõe de maneira efetiva, além de prover resultados superiores em relação à outras representações. Porém, ainda há necessidade de pesquisas em áreas relevantes utilizando representações em redes, as quais serão exploradas nesse projeto. As linhas de pesquisa são: (i) quais tipo de entidades e relações podem prover melhores performances de classificação para domínios de aplicações específicos (ex: notícias e análise de sentimento em redes sociais); (ii) analisar o uso representações em redes na classificação multi-rótulo; (iii) quais as maneiras mais eficazes de realizar o aprendizado em fluxo de documentos utilizando as modelagem em redes; (iv) quais as maneiras mais efetivas de se classificadores para monitorar fenômenos de interesse dos usuários na web (websensors), e (v) se as abordagens desenvolvidas nos itens anteriores podem ser aplicadas sem que hajam textos rotulados.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Coordenador / Ricardo Marcondes Marcacini - Integrante / Bruno Magalhães Nogueira - Integrante / Alneu Andrade Lopes - Integrante / Vinícius M. A. Souza - Integrante / Roberta Akemi Sinoara - Integrante / Solange Oliveira Rezende - Integrante / Vitor Mesaque Alves de Lima - Integrante / Caíque Leonardo Freitas Tosta - Integrante / Deni Dias da Silva Junior - Integrante / Renan Prates Alves - Integrante / Thayná Oliveira da Conceição - Integrante / Márcio Porto Basgalupp - Integrante / Marcos Paulo Silva Gôlo - Integrante / LUIZ HENRIQUE ARAÚJO DOS SANTOS - Integrante / José Vitor Gualdi dos Santos - Integrante / Felipe Provezano Coutinho - Integrante / Julio César Carnevali - Integrante.

• 2016 - 2018

  Aprendizado não Supervisionado de Websensors aplicado em Desafios de Big Data para Agronegócios, Descrição: Motivada pela diversidade de aplicações que podem ser derivadas por meio de algoritmos para extração de conhecimento da web, uma nova direção de pesquisa denominada Websensors tem como objetivo converter padrões extraídos de várias fontes da web em um conjunto de sinais, representado por meio de séries temporais, que permitem observar, estudar e monitorar o comportamento de um fenômeno de interesse. Devido ao grande volume de dados, variedade de fontes de informação e requisitos de velocidade para análise desses dados, os websensors são modelos computacionais com grande potencial para lidar com os desafios atuais relacionados à temática de Big Data; que recentemente tem recebido muita atenção na literatura e indústria pelos resultados promissores obtidos na resolução de tarefas complexas de tomadas de decisão. Nesse contexto, entre as atividades recentes desenvolvidas pelos membros do GEPIC (Grupo de Estudo e Pesquisa em Inteligência Computacional - UFMS), há um particular interesse em explorar websensors aplicado em desafios de Big Data para o domínio de agronegócios. Atividades prévias, como a coleta e organização de uma base de 14 anos de notícias (composta por milhões de registros) e resultados preliminares tem demonstrado que este é um caminho promissor. Dessa forma, a proposta geral deste projeto é utilizar conhecimento implícito em uma base histórica de milhões notícias sobre agronegócios no Brasil para aprender padrões, ao longo do tempo, que possam ser explorados para explicar o comportamento passado e predizer comportamento futuro no domínio de agronegócios, com apoio de algoritmos de aprendizado não supervisionado de máquina.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Coordenador / Bruno Magalhães Nogueira - Integrante / Vitor Mesaque Alves de Lima - Integrante / EDSON TAKASHI MATSUBARA - Integrante / ERALDO LUIZ REZENDE FERNANDES - Integrante., Financiador(es): Fundação de Apoio e Desenvolvimento do Ensino, Ciência e Tecnologia do MS - Auxílio financeiro.

• 2016 - Atual

  Aplicação de algoritmos de aprendizado de máquina semissupervisionado para a descoberta e gestão de conhecimento em bases de dados, Descrição: Algoritmos de aprendizado de máquina semissupervisionado têm ganhado notoriedade nos últimos anos por sua capacidade de, misturando dados rotulados e não rotulados, conseguir bom desempenho em uma vasta gama de aplicações. Existem, na literatura, diversos algoritmos que visam tanto à classificação semissupervisionada quanto ao agrupamento semissupervisionado de dados. Neste projeto, o objetivo é investigar e explorar algoritmos destas natureza para a obtenção e gestão de conhecimento em bases de dados. Em sua parte teórica, este projeto de pesquisa visa explorar pontos ainda em aberto do aprendizado de máquina semissupervisionado, como a incorporação de mecanismos incrementais em algoritmos de agrupamento semissupervisionado e o desenvolvimento e melhoria de métodos de aprendizado de distâncias em algoritmos de agrupamento e classificação semissupervisionada. Por sua vez, em sua parte de aplicações, este projeto visa à aplicação de algoritmos semissupervisionados em uma vasta gama de aplicações reais para as quais conta-se com bases de dados, como Mineração de Dados Educacionais, análise de dados e notícias da internet e dados oriundos de redes sociais. Nestas aplicações, será dada especial atenção a coleções de dados de instituições de ensino e dados relativos ao setor agropecuário e agroindustrial, de grande demanda no estado do Mato Grosso do Sul, auxiliando especialistas e usuários na gestão do conhecimento destes setores.. , Situação: Em andamento; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Integrante / Bruno Magalhães Nogueira - Coordenador / EDSON TAKASHI MATSUBARA - Integrante / ERALDO LUIZ REZENDE FERNANDES - Integrante.

• 2014 - 2016

  Aprendizado de Máquina para WebSensors: Algoritmos e Aplicações, Projeto certificado pelo(a) coordenador(a) Solange Oliveira Rezende em 04/07/2014., Descrição: A popularização de plataformas web para publicação de conteúdo textual tem motivado o desenvolvimento de métodos para extração automática de conhecimento implícito nos textos. Em particular, uma nova gama de estudos e aplicações tem sido proposta para explorar a web como um grande e poderoso "sensor social", permitindo identificar e monitorar vários tipos de eventos a partir de textos publicados em portais de notícias e redes sociais, como detecção de epidemias, análise de sentimentos, e a extração de indicadores políticos e econômicos. Atualmente, a construção de um sensor da web (websensor) é uma tarefa complexa, pois depende de especialistas de domínio para definição dos parâmetros do sensor, isto é, expressões para busca, filtros e monitoramentos de conteúdo textual da web. A necessidade de especialistas de domínio geralmente limita as aplicações envolvendo websensors, uma vez que em muitos problemas não há compreensão clara dos fenômenos que se deseja monitorar. Em vista disso, neste projeto de pesquisa são investigados métodos de aprendizado de máquina para apoiar a construção automática de websensors. A ideia básica é utilizar uma amostra de documentos textuais do domínio do problema e, em conjunto com algoritmos de aprendizado de máquina semi/não supervisionados, extrair padrões dos textos e assim apoiar a construção de websensors. Dessa forma, espera-se reduzir a dependência de um especialista para definição dos parâmetros dos sensores. Cada websensor aprendido a partir dos textos representa um determinado fenômeno relacionado ao domínio do problema que, então, pode ser monitorado ao longo do tempo e utilizado para apoiar processos de tomada de decisão.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (0) / Especialização: (0) / Mestrado acadêmico: (3) / Doutorado: (6) . , Integrantes: Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Integrante / Bruno Magalhães Nogueira - Integrante / Solange Oliveira Rezende - Coordenador / Renan de Padua - Integrante / Antonio Rafael Sabino Parmezan - Integrante / Camila Vaccari Sundermann - Integrante / Diego Furtado Silva - Integrante / Fabiano Fernandes dos Santos - Integrante / Gustavo Enrique de Almeida Prado Alves Batista - Integrante / Ivone Penque Matsuno - Integrante / Roberta Akemi Sinoara - Integrante / Tatiana Ximenes - Integrante / Veronica Oliveira de Carvalho - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2013 - 2016

  CRÍTiC@ - Compilação e Recuperação de Informações Técnico-científicas e Indução ao Conhecimento de forma Ágil na Rede AgroHidro, Descrição: A proposta deste projeto componente é concentrar as ações de análise e organização sistematizada da informação utilizada e produzida pelo projeto "Impactos do uso agrícola e das mudanças climáticas sobre os recursos hídricos em diferentes ecorregiões brasileiras: diagnose e estratégias mitigadoras" AgroHidro. Desta forma, pretende-se melhorar a gestão do conhecimento técnico-científico na área, por meio de análises cruzadas das informações, bem como subsidiar ações de investigação e disseminação do conhecimento na rede de pesquisa. Pois, em uma rede de pesquisa em um domínio de conhecimento fechado, como a Rede AgroHidro, existe a necessidade de possuir um ferramental de análise da informação especificamente útil à rede, que facilite, não apenas, a identificação de bibliografia e outras fontes de material de divulgação, mas que permita o cruzamento de informações de diversas fontes a fim de avaliar o caminho percorrido pela rede em PD&I; por exemplo, tendências, oportunidades, inserção no contexto nacional e áreas deficitárias em tecnologias para gestão de recursos hídricos. Para isso, precisa-se monitorar tanto a própria produção técnico-científica da rede, no passado e presente, como de outras redes ou iniciativas isoladas que visem objetivos semelhantes de PD&I no mesmo domínio de conhecimento no caso, recursos hídricos. Assim, essa proposta integra soluções de tecnologia da informação dando apoio à análise e organização do conhecimento para suportar ações de pesquisa, desenvolvimento e inovação, na rede AgroHidro, objetivando: 1) obter análises, considerando passado e presente, em tendências tecnológicas, de pesquisa e desenvolvimento, em recursos hídricos no Brasil e localizando as estimativas obtidas no tempo e espaço; 2) contribuir com processos de busca e levantamento tecnológico, com uma organização e recuperação da informação próprias, que demandam análises cruzadas de dados, 3) especificar e validar a organização do conhecimento de recursos.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Maria Fernanda Moura - Coordenador / Ricardo Marcondes Marcacini - Integrante / Bruno Magalhães Nogueira - Integrante / Merley da Silva Conrado - Integrante / Silvio Roberto Medeiros Evangelista - Integrante / Rachel Bardy Prado - Integrante / Azeneth EufrAUSINO Schuler - Integrante / Rubens Sonsol Gondim - Integrante / Celina Maki Takemura - Integrante / Glauber José Vaz - Integrante / Gladis Maria de Barcellos Almeida - Integrante / Aqueo Kamada - Integrante / Lineu Neiva Rodrigues - Integrante / Alípio Mário Guedes Jorge - Integrante / Fabiano Fernandes dos Santos - Integrante / Solange Oliveira Rezende - Integrante / Adriana Figueiredo - Integrante / Andrew da Costa - Integrante / Diego Felipe Zanardo - Integrante / Felipe Ungaro - Integrante / Giampaolo Queiroz Pellegrino - Integrante / Ivan Prado da Costa - Integrante / Ivo Pierozzi Junior - Integrante / Leandro Oliveira - Integrante / Luiz Eduardo Gonzales - Integrante / Luiz Henrique Bassoi - Integrante / Márcia Divina - Integrante / Marcos Cezar Visoli - Integrante / Maria Goretti Gurgel - Integrante / Nuno Felipe Escudeiro - Integrante / Olga Fernanda Nabuco - Integrante / Pedro Gerhard Praxedes - Integrante / Rafael Henrique Trombeta - Integrante / Ricardo Figueiredo - Integrante / Rodrigo Bonacin Romano - Integrante / Giovanni Gaspare Di Martino - Integrante / Sérgio Aparecido Brada Da Cruz - Integrante / Thiago Miyai - Integrante / Tiago Ventura - Integrante / Vitor Paulo Marques Simao - Integrante / Vinícius Dinov Pacente - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.

• 2012 - 2013

  Métodos de Agrupamento Hierárquico para Organização Automática de Resultados de Motores de Busca, Descrição: Nesse projeto, métodos de agrupamento hierárquico de textos são explorados para auxiliar a organização dos resultados retornados por motores de busca. Os dados retornados por um ou mais motores de busca são organizados em grupos, em que itens similares e relacionados a um mesmo tema são alocados juntos em um mesmo grupo. Ainda, os grupos são organizados de maneira hierárquica, de forma que grupos próximos à raiz representam o conhecimento mais genérico, enquanto seus detalhamentos e conhecimento mais específico são dispostos nos grupos e subgrupos de níveis mais baixo. Cada grupo possui uma descrição sucinta, ou seja, um tópico que permite auxiliar o usuário em uma busca exploratória dos resultados obtidos, em diversos níveis de granularidade. Essa organização em tópicos facilita a busca pela informação de interesse, obtendo-se uma visão complementar ao modelo baseado em uma simples lista ordenada de acordo com a relevância.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Doutorado: (5) . , Integrantes: Rafael Geraldeli Rossi - Integrante / Ricardo Marcondes Marcacini - Integrante / Bruno Magalhães Nogueira - Integrante / Solange Oliveira Rezende - Coordenador / Fabiano Fernandos dos Santos - Integrante / Merley da Silva Conrado - Integrante / Tatiane Marques Nogueira - Integrante., Financiador(es): Fundação de Amparo à Pesquisa do Estado de São Paulo - Auxílio financeiro.

• 2010 - 2013

  TIENA - Tecnologias Inovadoras em Mineração de Textos para Espacialização de Notívias Agrícolas - Piloto Cana de Açucar, Descrição: Este projeto tem o objetivo de organizar notícias agrícolas sobre uma dada cultura, por meio de técnicas inovadoras em mineração de textos, em três categorias: tópicos ou assuntos, cobertura temporal e cobertura espacial. A cobertura temporal visa em primeiro plano um estudo da evolução daquele tópico ou assunto em relação aos demais, em intervalos de tempo, ou seja, como foi a tendência de dispersão desse tópico ao longo do tempo e futuramente como ela se relaciona aos modelos de previsão de safra. A cobertura espacial visa compreender qual é a cobertura geográfica daquela notícia, podendo ser de caráter geral (nacional) ou relativa a alguma micro ou macro-região geográfica, e, também futuramente poder-se-á analisar esse fator junto aos modelos de previsão de safra.. , Situação: Concluído; Natureza: Pesquisa. , Integrantes: Rafael Geraldeli Rossi - Integrante / Maria Fernanda Moura - Coordenador / Ricardo Marcondes Marcacini - Integrante / Bruno Magalhães Nogueira - Integrante / Solange Oliveira Rezende - Integrante / Merley da Silva Conrado - Integrante / Alípio Mário Guedes Jorge - Integrante / Fabiano Fernandes dos Santos - Integrante / Laurimar Gonçalves Vendrusculo - Integrante., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Auxílio financeiro.

• 2007 - 2009

  Gestão de pessoas e identificação de competências estratégicas em unidades descentralizadas da Embrapa - o caso Embrapa Pecuária Sudeste, Descrição: O projeto objetiva desenvolver e validar uma metodologia para o dimensionamento do quadro de pessoal e para a definição de competências estratégicas para Unidades Descentralizadas da Embrapa. A metodologia proposta será validada na Embrapa Pecuária Sudeste. Na primeira etapa da proposta são identificadas e priorizadas as tecnologias-chave para a unidade. Em seguida, as competências estratégicas para atender às demandas identificas são definidas. A terceira etapa contempla o mapeamento de competências existentes e sua projeção no médio/longo prazo e a evolução do quadro de pessoal da unidade.. , Situação: Concluído; Natureza: Pesquisa. , Alunos envolvidos: Graduação: (1) / Doutorado: (1) . , Integrantes: Rafael Geraldeli Rossi - Integrante / Maria Fernanda Moura - Integrante / Solange Oliveira Rezende - Coordenador., Financiador(es): Empresa Brasileira de Pesquisa Agropecuária - Bolsa.

Prêmios