Please use this identifier to cite or link to this item: http://repositorio.unicamp.br/jspui/handle/REPOSIP/320881
Type: DISSERTAÇÃO DIGITAL
Degree Level: Mestrado
Title: A soft computing approach for learning to aggregate rankings : Uma abordagem de computação suave para o aprendizado de agregação de listas
Title Alternative: Uma abordagem de computação suave para o aprendizado de agregação de listas
Author: Vargas Muñoz, Javier Alvaro, 1993-
Advisor: Torres, Ricardo da Silva, 1977-
Abstract: Resumo: Este trabalho apresenta uma nova estratégia para combinar técnicas de agregação de listas ranqueadas usando uma abordagem de computação suave -- Programação Genética -- a fim de melhorar os resultados em tarefas de Recuperação de Informação. Trabalhos prévios mostram que combinando técnicas de agregação de listas em uma forma aglomerativa, é possível obter melhores resultados que os métodos individuais. Porém, esses trabalhos apenas combinam um pequeno conjunto de métodos de agregação de listas e isso de forma arbitrária. Visando tratar destas limitações, dado um conjunto de listas ranquedas e um conjunto de técnicas de agregação de listas, nós propomos usar uma abordagem supervisionada que use programação genética para a busca de combinações destas técnicas que maximizem a eficácia em grandes espaços de busca. Resultados experimentais conduzidos utilizando sete coleções entre diferentes domínios (recuperação de texto, recuperação de imagens baseada em conteúdo, recuperação multimodal) mostram que nosso enfoque proposto alcança um desempenho superior na maioria de coleções quando comparado com técnicas supervisionadas e não supervionadas da literatura. Nós também mostramos que nosso framework é eficiente, flexível e escalável

Abstract: This work presents an approach to combine rank aggregation techniques using a soft computing technique -- Genetic Programming -- in order to improve the results in Information Retrieval tasks. Previous work shows that by combining rank aggregation techniques in an agglomerative way, it is possible to get better results than with individual methods. However, those approaches either combine only a small set of rank aggregation techniques or are performed in a completely ad-hoc way. In order to address these limitations, given a set of ranked lists and a set of rank aggregation techniques, we propose to use a supervised genetic programming approach to search combinations of them that maximize effectiveness in large search spaces. Experimental results conducted using seven datasets among different domains (text retrieval, content based image retrieval, multimodal retrieval) show that our proposed approach reaches top performance yielding superior results than state-of-the-art in learning-to-rank and in the supervised rank aggregation tasks. We also show that our proposed framework is efficient, flexible, and scalable
Subject: Recuperação da informação
Programação genética (Computação)
Language: Inglês
Editor: [s.n.]
Citation: VARGAS MUÑOZ, Javier Alvaro. A soft computing approach for learning to aggregate rankings: Uma abordagem de computação suave para o aprendizado de agregação de listas. 2016. 1 recurso online ( 45 p.). Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Computação, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/320881>. Acesso em: 30 ago. 2018.
Date Issue: 2016
Appears in Collections:IC - Tese e Dissertação

Files in This Item:
File SizeFormat 
VargasMunoz_JavierAlvaro_M.pdf4.03 MBAdobe PDFView/Open


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