Conferencia - Clasificadores Multietiqueta

Cando se dispón de máis datos que coñecementos sobre unha materia, entran en xogo as técnicas computacionais que teñen como obxectivo procurar regularidades ou patróns. A fin que se persegue é transformar datos en coñecementos. Cando se procuran patróns, dende o punto de vista formal, pódese pretender aprender a predicir a resposta dunha función coñecida a entrada. Estamos entón na presenza da Aprendizaxe Supervisada. Dependendo do tipo de dato da resposta, a aprendizaxe recibe distintos nomes. A aprendizaxe de clasificadores persegue atopar unha función cuxa resposta é unha etiqueta de entre un conxunto finito de respostas posibles ou clases. Os regresores procuran respostas continuas, números reais. Tamén hai situacións intermedias que se chaman ou ben clasificación ordinal ou regresión ordinal. Neste caso as respostas son clases dun conxunto finito e ordeado. Noutras ocasións as funcións que se buscan non teñen como fin a predicción dun valor, senón axudar a ordear obxectos. Son as funcións de ranking, como as que permiten ordear as preferencias dun consumidor dun produto ou a relevancia dun documento ou unha páxina web para unha pregunta determinada. Nesta charla abórdase a aprendizaxe de funcións nas que as respostas que se esperan teñen una estrutura máis rica que a dunha soa etiqueta, un valor numérico e un ranking. En concreto, o caso particular no que as respostas son subconxuntos dun conxunto prefixado de etiquetas; subconxuntos de tamaño variable. Trátase da predición de multi-etiquetas. Este tipo de aprendizaxe xurde con grande ímpeto na literatura científica da man dalgunhas aplicacións de etiquetado de documentos.