Análise Comparativa de Métodos de Undersampling em Classificação Automática de Texto Baseada em Transformers
Revista Eletrônica de Iniciação Científica em Computação · 28.06.2024 · 22 · 1-10
DOI: 10.5753/reic.2024.4643 ↗Kurz gefasst
Fachartikel in der Zeitschrift Revista Eletrônica de Iniciação Científica em Computação, online erschienen am 28.06.2024. Verfasst von Guilherme Fonseca und 2 weiteren Autor:innen. Die Arbeit wurde bisher 5-mal zitiert (Crossref) und nennt 17 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY-NC 4.0).
Abstract (Originalsprache)
Classificação Automática de Texto (CAT) em bases de dados desbalanceadas é um desafio comum em aplicações do mundo real. Nesse cenário, uma das classes é sub-representada, podendo provocar um viés no processo de aprendizado. Este trabalho investiga o efeito de métodos de undersampling, que visam reduzir instâncias da classe majoritária, no desempenho de estratégias de CAT recentes, baseada em transformers. Avaliamos 15 estratégias existentes de undersampling e uma proposta nesse trabalho. Nossos resultados sugerem que as abordagens de undersampling são importantes para melhorar o desempenho de métodos de classificação em coleções desbalanceadas, não apenas reduzindo o viés de aprendizado, mas também reduzindo o custo de treinamento.
Zitieren
APA
Fonseca, G., Cunha, W., & Rocha, L. (2024). Análise Comparativa de Métodos de Undersampling em Classificação Automática de Texto Baseada em Transformers. Revista Eletrônica de Iniciação Científica em Computação, 22, 1-10. https://doi.org/10.5753/reic.2024.4643
Vancouver
Fonseca G, Cunha W, Rocha L. Análise Comparativa de Métodos de Undersampling em Classificação Automática de Texto Baseada em Transformers. Revista Eletrônica de Iniciação Científica em Computação. 2024;22:1-10. doi:10.5753/reic.2024.4643
BibTeX
@article{Fonseca2024,
author = {Fonseca, Guilherme and Cunha, Washington and Rocha, Leonardo},
title = {Análise Comparativa de Métodos de Undersampling em Classificação Automática de Texto Baseada em Transformers},
journal = {Revista Eletrônica de Iniciação Científica em Computação},
year = {2024},
volume = {22},
pages = {1--10},
doi = {10.5753/reic.2024.4643}
}
EUVIMED