|
|
Registros recuperados : 2 | |
1. | | GARIBALDI, L. A.; CARVALHEIRO, L. G.; VAISSIÈRE, B. E.; GEMMILL-HERREN, B.; HIPÓLITO, J.; FREITAS, B. M.; NGO, H. T.; AZZU, N.; SÁEZ, A.; ASTROM, J.; AN, J.; BLOCHTEIN, B.; BUCHORI, D.; CHAMORRO GARCÍA, F. J.; SILVA, F. O. da; DEVKOTA, K.; RIBEIRO, M. de F.; FREITAS, L.; GAGLIANONE, M. C.; GOSS, M.; IRSHAD, M.; KASINA, M.; PACHECO FILHO, A. J. S.; KIILL, L. H. P.; KWAPONG, P.; NATES PARRA, G.; PIRES, C. S. S.; PIRES, V.; RAWAL, R. S.; RIZALI, A.; SARAIVA, A. M.; VELDTMAN, R.; VIANA, B. F.; WITTER, S.; ZHAN, H. Mutually beneficial pollinator diversity and crop yield outcomes in small and large farms. Science, v. 351, n. 6271, p. 388-391, 2016. Biblioteca(s): Embrapa Recursos Genéticos e Biotecnologia; Embrapa Semiárido. |
| |
Registros recuperados : 2 | |
|
|
Registro Completo
Biblioteca(s): |
Embrapa Pecuária Sudeste. |
Data corrente: |
23/10/2023 |
Data da última atualização: |
23/10/2023 |
Tipo da produção científica: |
Artigo em Anais de Congresso |
Autoria: |
OSAKU, D.; SANTOS, P. M.; SANTOS, B. N.; REZENDE, S. O. |
Afiliação: |
DANIEL OSAKU, Universidade de São Paulo; PATRICIA MENEZES SANTOS, CPPSE; BRUCCE N. SANTOS, Universidade de São Paulo; SOLANGE O. REZENDE, Universidade de São Paulo. |
Título: |
Pasture degradation papers search: how can supervised and transdutive methods help on the process of classification? |
Ano de publicação: |
2023 |
Fonte/Imprenta: |
In: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL, 20., Belo Horizonte. Belo Horizonte: UFMG, 2023. |
Páginas: |
15 p. |
Idioma: |
Português |
Conteúdo: |
A recuperação de pastagens degradadas tem sido tema importante no que diz respeito a segurança alimentar. Apesar do grande volume de artigos científicos sobre 'pastagens degradadas', há um grande desafio em termos de recuperação desses documentos para extração de conhecimento. Neste artigo foram exploradas duas abordagens de classificação, uma supervisionada e outra transdutiva, visando melhorar a qualidade das buscas e reduzir o esforço de anotação manual. Os resultados mostraram que é possível separar os artigos de interesse com certo nível de precisão, com destaque para o método supervisionado SVM, que apresentou o melhor desempenho. Por outro lado, o algoritmo transdutivo GNetMine, que apresentou desempenho semelhante aos modelos supervisionados utilizando apenas um quarto dos dados rotulados. Uma vez que a anotação manual de dados para treinamento dos métodos supervisionados é trabalhosa e depende da colaboração de especialista, sendo fundamental o desenvolvimento de métodos de classificação que demandem menor número de dados rotulados. A partir da seleção de artigos de interesse, futuramente outras técnicas de Mineração de Textos poder ̃ ao ser aplicadas para facilitar a extração de conhecimento e a determinação de recomendações para a recuperação de pastagens no campo, contribuindo para o aumento da produção de alimentos de forma sustentável. |
Palavras-Chave: |
Abordagem supervisionada; Abordagem transdutiva; Abordagens de classificação; Algoritmo transdutivo GNetMine; Método supervisionado SVM; Mineração de textos; Pastagens degradadas. |
Thesagro: |
Produção de Alimentos. |
Categoria do assunto: |
X Pesquisa, Tecnologia e Engenharia |
URL: |
https://ainfo.cnptia.embrapa.br/digital/bitstream/doc/1157427/1/PastureDegradationPapers.pdf
|
Marc: |
LEADER 02316nam a2200253 a 4500 001 2157427 005 2023-10-23 008 2023 bl uuuu u00u1 u #d 100 1 $aOSAKU, D. 245 $aPasture degradation papers search$bhow can supervised and transdutive methods help on the process of classification?$h[electronic resource] 260 $aIn: ENCONTRO NACIONAL DE INTELIGÊNCIA ARTIFICIAL E COMPUTACIONAL, 20., Belo Horizonte. Belo Horizonte: UFMG$c2023 300 $a15 p. 520 $aA recuperação de pastagens degradadas tem sido tema importante no que diz respeito a segurança alimentar. Apesar do grande volume de artigos científicos sobre 'pastagens degradadas', há um grande desafio em termos de recuperação desses documentos para extração de conhecimento. Neste artigo foram exploradas duas abordagens de classificação, uma supervisionada e outra transdutiva, visando melhorar a qualidade das buscas e reduzir o esforço de anotação manual. Os resultados mostraram que é possível separar os artigos de interesse com certo nível de precisão, com destaque para o método supervisionado SVM, que apresentou o melhor desempenho. Por outro lado, o algoritmo transdutivo GNetMine, que apresentou desempenho semelhante aos modelos supervisionados utilizando apenas um quarto dos dados rotulados. Uma vez que a anotação manual de dados para treinamento dos métodos supervisionados é trabalhosa e depende da colaboração de especialista, sendo fundamental o desenvolvimento de métodos de classificação que demandem menor número de dados rotulados. A partir da seleção de artigos de interesse, futuramente outras técnicas de Mineração de Textos poder ̃ ao ser aplicadas para facilitar a extração de conhecimento e a determinação de recomendações para a recuperação de pastagens no campo, contribuindo para o aumento da produção de alimentos de forma sustentável. 650 $aProdução de Alimentos 653 $aAbordagem supervisionada 653 $aAbordagem transdutiva 653 $aAbordagens de classificação 653 $aAlgoritmo transdutivo GNetMine 653 $aMétodo supervisionado SVM 653 $aMineração de textos 653 $aPastagens degradadas 700 1 $aSANTOS, P. M. 700 1 $aSANTOS, B. N. 700 1 $aREZENDE, S. O.
Download
Esconder MarcMostrar Marc Completo |
Registro original: |
Embrapa Pecuária Sudeste (CPPSE) |
|
Biblioteca |
ID |
Origem |
Tipo/Formato |
Classificação |
Cutter |
Registro |
Volume |
Status |
Fechar
|
Nenhum registro encontrado para a expressão de busca informada. |
|
|