Atenção: Todas as denúncias são sigilosas e sua identidade será preservada.
Os campos nome e e-mail são de preenchimento opcional
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual Paulista (Unesp) | - |
Autor(es): dc.contributor | Universidade Federal de São Carlos (UFSCar) | - |
Autor(es): dc.contributor | S.A. | - |
Autor(es): dc.contributor | Universidade Federal da Bahia (UFBA) | - |
Autor(es): dc.creator | Ascencao, Nathalia Q. [UNESP] | - |
Autor(es): dc.creator | Afonso, Luis C. S. | - |
Autor(es): dc.creator | Colombo, Danilo | - |
Autor(es): dc.creator | Oliveira, Luciano | - |
Autor(es): dc.creator | Papa, Joao P. [UNESP] | - |
Data de aceite: dc.date.accessioned | 2022-02-22T00:52:18Z | - |
Data de disponibilização: dc.date.available | 2022-02-22T00:52:18Z | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2021-06-25 | - |
Data de envio: dc.date.issued | 2020-07-01 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/IJCNN48605.2020.9207689 | - |
Fonte completa do material: dc.identifier | http://hdl.handle.net/11449/208066 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/208066 | - |
Descrição: dc.description | The task of learning to rank has been widely studied by the machine learning community, mainly due to its use and great importance in information retrieval, data mining, and natural language processing. Therefore, ranking accurately and learning to rank are crucial tasks. Context-Based Information Retrieval systems have been of great importance to reduce the effort of finding relevant data. Such systems have evolved by using machine learning techniques to improve their results, but they are mainly dependent on user feedback. Although information retrieval has been addressed in different works along with classifiers based on Optimum-Path Forest (OPF), these have so far not been applied to the learning to rank task. Therefore, the main contribution of this work is to evaluate classifiers based on Optimum-Path Forest, in such a context. Experiments were performed considering the image retrieval and ranking scenarios, and the performance of OPF-based approaches was compared to the well-known SVM-Rank pairwise technique and a baseline based on distance calculation. The experiments showed competitive results concerning precision and outperformed traditional techniques in terms of computational load. | - |
Descrição: dc.description | Unesp - Univ. Estadual Paulista School of Sciences Bauru | - |
Descrição: dc.description | UFSCar - Federal University of São Carlos Department of Computing | - |
Descrição: dc.description | Cenpes Petróleo Brasileiro S.A. | - |
Descrição: dc.description | Ufba - Federal University of Bahia | - |
Descrição: dc.description | Unesp - Univ. Estadual Paulista School of Sciences Bauru | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings of the International Joint Conference on Neural Networks | - |
???dc.source???: dc.source | Scopus | - |
Título: dc.title | Information Ranking Using Optimum-Path Forest | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: