TensorAnalyzer: Identificação de Padrões Urbanos em Grandes Cidades usando Fatoração de Tensores Não-Negativos

• Autor(a) principal: Silveira, Jaqueline Alvarenga
• Data de Publicação: 2022
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://www.teses.usp.br/teses/disponiveis/55/55134/tde-17022023-103415/
• topic: Clustering; Clusterização; Decomposição de Tucker; Escolas; Homicides; Homicídios; Schools; Tucker decomposition

Grandes cidades como São Paulo (a maior da América Latina), tipicamente apresentam grandes volumes de crimes que vão desde roubos até homicídios. O aumento de atividades criminais em São Paulo tem despertado o interesse de especialistas de criminologia em compreender o relacionamento entre atividades criminais e as características no entorno de escolas, homicídios, etc. No entanto, a extração de relevantes padrões pode se tornar uma tarefa complicada ao empregar algoritmos de clusterização clássicos, isso porque existem muitos parâmetros para configurar e também o usuário ainda tem que se preocupar com os outliers presentes nos dados. Deste modo, este trabalho apresenta uma nova abordagem para detectar padrões relevantes de múltiplas fontes de dados baseada em decomposição de tensor. O desempenho da abordagem proposta é atestada para validar a qualidade dos padrões identificados em comparação com abordagens clássicas. O resultado indica que a abordagem pode efetivamente identificar padrões úteis para caracterizar o conjunto de dados para análise posterior na obtenção de uma boa qualidade de agrupamento. Além disso, um framework genérico nomeado TensorAnalyzer foi desenvolvido, em que a eficácia e a utilidade da metodologia proposta são destacadas por experimentos em conjuntos de dados sintéticos e do mundo real, sendo desenvolvidos dois estudos de caso, em que o primeiro estudo mostra a relação entre o entorno das escolas e os padrões criminais e o segundo estudo busca compreender os padrões no entorno dos homicídios.