Author(s): OSAKU, D.; SANTOS, P. M.; SANTOS, B. N.; REZENDE, S. O.

Summary: A recuperação de pastagens degradadas tem sido tema importante no que diz respeito a segurança alimentar. Apesar do grande volume de artigos científicos sobre 'pastagens degradadas', há um grande desafio em termos de recuperação desses documentos para extração de conhecimento. Neste artigo foram exploradas duas abordagens de classificação, uma supervisionada e outra transdutiva, visando melhorar a qualidade das buscas e reduzir o esforço de anotação manual. Os resultados mostraram que é possível separar os artigos de interesse com certo nível de precisão, com destaque para o método supervisionado SVM, que apresentou o melhor desempenho. Por outro lado, o algoritmo transdutivo GNetMine, que apresentou desempenho semelhante aos modelos supervisionados utilizando apenas um quarto dos dados rotulados. Uma vez que a anotação manual de dados para treinamento dos métodos supervisionados é trabalhosa e depende da colaboração de especialista, sendo fundamental o desenvolvimento de métodos de classificação que demandem menor número de dados rotulados. A partir da seleção de artigos de interesse, futuramente outras técnicas de Mineração de Textos poder ̃ ao ser aplicadas para facilitar a extração de conhecimento e a determinação de recomendações para a recuperação de pastagens no campo, contribuindo para o aumento da produção de alimentos de forma sustentável.

Publication year: 2023

Types of publication: Paper in annals and proceedings

Unit: Embrapa Southeastern Livestock

Keywords: Abordagem supervisionada, Abordagem transdutiva, Abordagens de classificação, Algoritmo transdutivo GNetMine, Mineração de textos, Método supervisionado SVM, Pastagens degradadas, Produção de Alimentos