Recuperação de informação por similaridade utilizando técnicas inteligentes

• Autor(a) principal: Ernesto Cuadros Vargas
• Data de Publicação: 2004
• Tipo de documento: Tese
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://doi.org/10.11606/T.55.2004.tde-20082015-105153

A Recuperação de Informação por Similaridade (RIS) é um processo complexo que normalmente envolve bancos de dados volumosos e objetos em altas dimensões. Dois grupos do técnicas são amplamente utilizados para esse fim, Mapas Auto-Organizáveis (SOM Sdf-()rganizin(j Maps) e Métodos de Acesso (MA). Os dois grupos do técnicas apresentam limitações. A maioria dos SOM, especialmente os modelos derivados do mapa de Kohonen, utilizam quase que exclusivamente o processamento sequencial para encontrar a unidade vencedora. Por outro lado, tanto os Métodos de Acesso Espacial (MAE) quanto os Métodos de Acesso Métrico (MAM) não aproveitam o conhecimento gerado por consultas anteriores. (0111 o objetivo de resolver esses problemas, duas novas técnicas são propostas nesta tese. A primeira técnica está baseada em SOM e a segunda em MAE e MAM. Em primeiro lugar, para melhorar o desempenho de sistemas baseados em SOM, propoe-se a incorporação de MAE e MAM durante o treinamento, gerando-se as famílias denominadas SAM-SOM o MAM-SOM. Eni segundo lugar, os MAE e MAM foram aprimorados através da criação do módulo denominado PMAM, que é capaz de aproveitar o conhecimento gerado pelas consultas anteriores. A combinação do módulo PMAM com MAE e MAM deu origem às famílias MAE e MAM+. respectivamente. Como resultado deste trabalho ressalta-se que, tanto a família SAM-SOM quanto a MAM-SOM proporcionam uma melhora considerável em relação aos modelos de SOM tradicionais, os quais normalmente precisam de muito tempo de treinamento. Por outro lado. as famílias MAE+ e MAM+ têm a capacidade de reduzir, gradualmente. o número de operações necessárias para realizar uma consulta. Isto é possível porque o módulo PMAM permite reaproveitar o conhecimento gerado pelas consultas anteriores.