Trajtax: uma taxonomia para o domínio de trajetórias.

Detalhes bibliográficos
Ano de defesa: 2020
Autor(a) principal: ANDRADE, Luiz Henrique de. lattes
Orientador(a): BAPTISTA, Cláudio de Souza. lattes
Banca de defesa: PIRES, Carlos Eduardo Santos., SOARES JUNIOR, Amilcar.
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Campina Grande
Programa de Pós-Graduação: PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
Departamento: Centro de Engenharia Elétrica e Informática - CEEI
País: Brasil
Palavras-chave em Português:
Área do conhecimento CNPq:
Link de acesso: https://dspace.sti.ufcg.edu.br/handle/riufcg/15824
Resumo: O aumento na quantidade de dados disponíveis relacionados a trajetórias viabiliza inúmeros trabalhos em diferentes domínios: trajetórias de pedestres, animais, navios, aviões, dentre outros. Com isso, diversas aplicações de aprendizagem de máquina têm sido propostas com base nos dados. Para o sucesso destas aplicações, é importante o entendimento do domínio do problema, das técnicas disponíveis e dos atributos que são utilizados como entrada. A combinação destes pilares é a base para que as pesquisas possam evoluir e chegar a bons resultados. Muito se é discutido sobre as técnicas disponíveis e diferentes domínios, todavia, pouca atenção é dada aos atributos utilizados. Outro ponto a ser considerado no contexto de trajetórias é que a interpretabilidade dos resultados gerados é importante. A necessidade de um modelo interpretável gera uma restrição quanto à complexidade dos atributos utilizados no processo de aprendizagem de máquina. A opção de geração automática de atributos torna-se inviável para diferentes domínios devido à complexidade dos atributos resultantes. Desta forma, o processo de engenharia de atributos depende mais de atributos projetados por especialistas que são baseados na teoria atrelada ao contexto. Esta pesquisa propõe uma taxonomia, denominada TrajTax, que classifica atributos relacionados à trajetórias, utilizados no estado da arte. A taxonomia tem como propósito auxiliar no processo de engenharia de atributos, servindo como base para especialistas discutirem sobre atributos que são utilizados atualmente e para proporem novos atributos de acordo com a necessidade do projeto. Para o desenvolvimento da taxonomia, foi feito o levantamento dos atributos utilizados em trabalhos baseados em dados de trajetórias com diferentes domínios e utilizou-se uma metodologia de construção de taxonomias. Os atributos são definidos com base em suas definições na literatura. A taxonomia proposta consiste de atributos de compreensão simplificada, para que possam auxiliar na interpretabilidade do modelo. Assim, como contribuições deste trabalho, tem-se o levantamento dos atributos utilizados em trabalhos na área de trajetória em diferentes domínios e a criação da taxonomia TrajTax.
id UFCG_44d00f299cf05cc5e35064bb040765d5
oai_identifier_str oai:dspace.sti.ufcg.edu.br:riufcg/15824
network_acronym_str UFCG
network_name_str Biblioteca Digital de Teses e Dissertações da UFCG
repository_id_str
spelling BAPTISTA, Cláudio de Souza.BAPTISTA, C. S.http://lattes.cnpq.br/0104124422364023PIRES, Carlos Eduardo Santos.SOARES JUNIOR, Amilcar.ANDRADE, L. H.http://lattes.cnpq.br/0264116850662513ANDRADE, Luiz Henrique de.O aumento na quantidade de dados disponíveis relacionados a trajetórias viabiliza inúmeros trabalhos em diferentes domínios: trajetórias de pedestres, animais, navios, aviões, dentre outros. Com isso, diversas aplicações de aprendizagem de máquina têm sido propostas com base nos dados. Para o sucesso destas aplicações, é importante o entendimento do domínio do problema, das técnicas disponíveis e dos atributos que são utilizados como entrada. A combinação destes pilares é a base para que as pesquisas possam evoluir e chegar a bons resultados. Muito se é discutido sobre as técnicas disponíveis e diferentes domínios, todavia, pouca atenção é dada aos atributos utilizados. Outro ponto a ser considerado no contexto de trajetórias é que a interpretabilidade dos resultados gerados é importante. A necessidade de um modelo interpretável gera uma restrição quanto à complexidade dos atributos utilizados no processo de aprendizagem de máquina. A opção de geração automática de atributos torna-se inviável para diferentes domínios devido à complexidade dos atributos resultantes. Desta forma, o processo de engenharia de atributos depende mais de atributos projetados por especialistas que são baseados na teoria atrelada ao contexto. Esta pesquisa propõe uma taxonomia, denominada TrajTax, que classifica atributos relacionados à trajetórias, utilizados no estado da arte. A taxonomia tem como propósito auxiliar no processo de engenharia de atributos, servindo como base para especialistas discutirem sobre atributos que são utilizados atualmente e para proporem novos atributos de acordo com a necessidade do projeto. Para o desenvolvimento da taxonomia, foi feito o levantamento dos atributos utilizados em trabalhos baseados em dados de trajetórias com diferentes domínios e utilizou-se uma metodologia de construção de taxonomias. Os atributos são definidos com base em suas definições na literatura. A taxonomia proposta consiste de atributos de compreensão simplificada, para que possam auxiliar na interpretabilidade do modelo. Assim, como contribuições deste trabalho, tem-se o levantamento dos atributos utilizados em trabalhos na área de trajetória em diferentes domínios e a criação da taxonomia TrajTax.The large volume of data concerning trajectories enables research on different domains including trajectories of pedestrians, animals, ships, and airplanes. As a result, several machine learning applications have been proposed based on these data. To achieve the success of these applications, it is important to understand the application domain, the available techniques, and the various input features. This comprehension is fundamental for the research to evolve and obtain good results. Much has been discussed on the available techniques and their different domains; however, research on features has received little to none of the attention. Another point to be considered regarding trajectories is that in some domains the interpretability of results must be rated as most important. The need for an interpretable model creates a constraint regarding the complexity of the features used along the machine learning process. The option of automatic features generation is impracticable for different domains. This is due to the complexity of the resulting features. Thus, the feature engineering process depends more on features designed by specialists. These features are based on theories regarding their various contexts. We propose a taxonomy called TrajTax that classifies trajectory features used in the stateof-the-art. The taxonomy is intended to help researchers along the feature engineering process; this will serve as a basis for specialists to discuss the features which are currently used and to suggest new ones. For the development of the taxonomy, we conducted a survey on works based on trajectory features along different domains, and used a methodology for taxonomy construction. The features were outlined based on their definitions proposed in the state-of-the-art. The Trajtax consists of a simplified comprehension concerning the features so it can help with the model interpretability. Consequently, the main contributions of the present work encompass a survey of the features used in trajectory machine learning applications on different domains, and the creation of the TrajTax taxonomy.Submitted by Lucienne Costa (lucienneferreira@ufcg.edu.br) on 2020-10-01T22:28:55Z No. of bitstreams: 1 LUIZ HENRIQUE DE ANDRADE – DISSERTAÇÃO (PPGCC) 2020.pdf: 1129867 bytes, checksum: 250fcb36bf164f1f083739d106c717b2 (MD5)Made available in DSpace on 2020-10-01T22:28:55Z (GMT). No. of bitstreams: 1 LUIZ HENRIQUE DE ANDRADE – DISSERTAÇÃO (PPGCC) 2020.pdf: 1129867 bytes, checksum: 250fcb36bf164f1f083739d106c717b2 (MD5) Previous issue date: 2020-08-17CapesUniversidade Federal de Campina GrandePÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃOUFCGBrasilCentro de Engenharia Elétrica e Informática - CEEICiência da ComputaçãoTaxonomia de AtributosTrajetóriasInterpretabilidadeEngenharia de AtributosAprendizagem de MáquinaAttribute TaxonomyTrajectoriesInterpretabilityAttribute EngineeringMachine LearningTrajtax: uma taxonomia para o domínio de trajetórias.Trajtax: a taxonomy for the domain of trajectories.2020-08-172020-10-01T22:28:55Z2020-10-012020-10-01T22:28:55Zhttps://dspace.sti.ufcg.edu.br/handle/riufcg/15824ANDRADE, L. H. de. Trajtax: uma taxonomia para o domínio de trajetórias. 2020. 103 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2020.info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisporinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFCGinstname:Universidade Federal de Campina Grande (UFCG)instacron:UFCGTEXTLUIZ HENRIQUE DE ANDRADE – DISSERTAÇÃO (PPGCC) 2020.pdf.txtLUIZ HENRIQUE DE ANDRADE – DISSERTAÇÃO (PPGCC) 2020.pdf.txttext/plain196508https://dspace.sti.ufcg.edu.br/bitstream/riufcg/15824/3/LUIZ+HENRIQUE+DE+ANDRADE+%E2%80%93+DISSERTA%C3%87%C3%83O+%28PPGCC%29+2020.pdf.txta68861f5d92856371e90f197bc32117cMD53LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://dspace.sti.ufcg.edu.br/bitstream/riufcg/15824/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52ORIGINALLUIZ HENRIQUE DE ANDRADE – DISSERTAÇÃO (PPGCC) 2020.pdfLUIZ HENRIQUE DE ANDRADE – DISSERTAÇÃO (PPGCC) 2020.pdfapplication/pdf1129867https://dspace.sti.ufcg.edu.br/bitstream/riufcg/15824/1/LUIZ+HENRIQUE+DE+ANDRADE+%E2%80%93+DISSERTA%C3%87%C3%83O+%28PPGCC%29+2020.pdf250fcb36bf164f1f083739d106c717b2MD51riufcg/158242025-07-24 06:30:35.805oai:dspace.sti.ufcg.edu.br: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Biblioteca Digital de Teses e Dissertaçõeshttp://bdtd.ufcg.edu.br/PUBhttp://dspace.sti.ufcg.edu.br:8080/oai/requestbdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.bropendoar:48512025-07-24T09:30:35Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)false
dc.title.pt_BR.fl_str_mv Trajtax: uma taxonomia para o domínio de trajetórias.
dc.title.alternative.pt_BR.fl_str_mv Trajtax: a taxonomy for the domain of trajectories.
title Trajtax: uma taxonomia para o domínio de trajetórias.
spellingShingle Trajtax: uma taxonomia para o domínio de trajetórias.
ANDRADE, Luiz Henrique de.
Ciência da Computação
Taxonomia de Atributos
Trajetórias
Interpretabilidade
Engenharia de Atributos
Aprendizagem de Máquina
Attribute Taxonomy
Trajectories
Interpretability
Attribute Engineering
Machine Learning
title_short Trajtax: uma taxonomia para o domínio de trajetórias.
title_full Trajtax: uma taxonomia para o domínio de trajetórias.
title_fullStr Trajtax: uma taxonomia para o domínio de trajetórias.
title_full_unstemmed Trajtax: uma taxonomia para o domínio de trajetórias.
title_sort Trajtax: uma taxonomia para o domínio de trajetórias.
author ANDRADE, Luiz Henrique de.
author_facet ANDRADE, Luiz Henrique de.
author_role author
dc.contributor.advisor1.fl_str_mv BAPTISTA, Cláudio de Souza.
dc.contributor.advisor1ID.fl_str_mv BAPTISTA, C. S.
dc.contributor.advisor1Lattes.fl_str_mv http://lattes.cnpq.br/0104124422364023
dc.contributor.referee1.fl_str_mv PIRES, Carlos Eduardo Santos.
dc.contributor.referee2.fl_str_mv SOARES JUNIOR, Amilcar.
dc.contributor.authorID.fl_str_mv ANDRADE, L. H.
dc.contributor.authorLattes.fl_str_mv http://lattes.cnpq.br/0264116850662513
dc.contributor.author.fl_str_mv ANDRADE, Luiz Henrique de.
contributor_str_mv BAPTISTA, Cláudio de Souza.
PIRES, Carlos Eduardo Santos.
SOARES JUNIOR, Amilcar.
dc.subject.cnpq.fl_str_mv Ciência da Computação
topic Ciência da Computação
Taxonomia de Atributos
Trajetórias
Interpretabilidade
Engenharia de Atributos
Aprendizagem de Máquina
Attribute Taxonomy
Trajectories
Interpretability
Attribute Engineering
Machine Learning
dc.subject.por.fl_str_mv Taxonomia de Atributos
Trajetórias
Interpretabilidade
Engenharia de Atributos
Aprendizagem de Máquina
Attribute Taxonomy
Trajectories
Interpretability
Attribute Engineering
Machine Learning
description O aumento na quantidade de dados disponíveis relacionados a trajetórias viabiliza inúmeros trabalhos em diferentes domínios: trajetórias de pedestres, animais, navios, aviões, dentre outros. Com isso, diversas aplicações de aprendizagem de máquina têm sido propostas com base nos dados. Para o sucesso destas aplicações, é importante o entendimento do domínio do problema, das técnicas disponíveis e dos atributos que são utilizados como entrada. A combinação destes pilares é a base para que as pesquisas possam evoluir e chegar a bons resultados. Muito se é discutido sobre as técnicas disponíveis e diferentes domínios, todavia, pouca atenção é dada aos atributos utilizados. Outro ponto a ser considerado no contexto de trajetórias é que a interpretabilidade dos resultados gerados é importante. A necessidade de um modelo interpretável gera uma restrição quanto à complexidade dos atributos utilizados no processo de aprendizagem de máquina. A opção de geração automática de atributos torna-se inviável para diferentes domínios devido à complexidade dos atributos resultantes. Desta forma, o processo de engenharia de atributos depende mais de atributos projetados por especialistas que são baseados na teoria atrelada ao contexto. Esta pesquisa propõe uma taxonomia, denominada TrajTax, que classifica atributos relacionados à trajetórias, utilizados no estado da arte. A taxonomia tem como propósito auxiliar no processo de engenharia de atributos, servindo como base para especialistas discutirem sobre atributos que são utilizados atualmente e para proporem novos atributos de acordo com a necessidade do projeto. Para o desenvolvimento da taxonomia, foi feito o levantamento dos atributos utilizados em trabalhos baseados em dados de trajetórias com diferentes domínios e utilizou-se uma metodologia de construção de taxonomias. Os atributos são definidos com base em suas definições na literatura. A taxonomia proposta consiste de atributos de compreensão simplificada, para que possam auxiliar na interpretabilidade do modelo. Assim, como contribuições deste trabalho, tem-se o levantamento dos atributos utilizados em trabalhos na área de trajetória em diferentes domínios e a criação da taxonomia TrajTax.
publishDate 2020
dc.date.issued.fl_str_mv 2020-08-17
dc.date.accessioned.fl_str_mv 2020-10-01T22:28:55Z
dc.date.available.fl_str_mv 2020-10-01
2020-10-01T22:28:55Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://dspace.sti.ufcg.edu.br/handle/riufcg/15824
dc.identifier.citation.fl_str_mv ANDRADE, L. H. de. Trajtax: uma taxonomia para o domínio de trajetórias. 2020. 103 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2020.
url https://dspace.sti.ufcg.edu.br/handle/riufcg/15824
identifier_str_mv ANDRADE, L. H. de. Trajtax: uma taxonomia para o domínio de trajetórias. 2020. 103 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Centro de Engenharia Elétrica e Informática, Universidade Federal de Campina Grande, Paraíba, Brasil, 2020.
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Campina Grande
dc.publisher.program.fl_str_mv PÓS-GRADUAÇÃO EM CIÊNCIA DA COMPUTAÇÃO
dc.publisher.initials.fl_str_mv UFCG
dc.publisher.country.fl_str_mv Brasil
dc.publisher.department.fl_str_mv Centro de Engenharia Elétrica e Informática - CEEI
publisher.none.fl_str_mv Universidade Federal de Campina Grande
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFCG
instname:Universidade Federal de Campina Grande (UFCG)
instacron:UFCG
instname_str Universidade Federal de Campina Grande (UFCG)
instacron_str UFCG
institution UFCG
reponame_str Biblioteca Digital de Teses e Dissertações da UFCG
collection Biblioteca Digital de Teses e Dissertações da UFCG
bitstream.url.fl_str_mv https://dspace.sti.ufcg.edu.br/bitstream/riufcg/15824/3/LUIZ+HENRIQUE+DE+ANDRADE+%E2%80%93+DISSERTA%C3%87%C3%83O+%28PPGCC%29+2020.pdf.txt
https://dspace.sti.ufcg.edu.br/bitstream/riufcg/15824/2/license.txt
https://dspace.sti.ufcg.edu.br/bitstream/riufcg/15824/1/LUIZ+HENRIQUE+DE+ANDRADE+%E2%80%93+DISSERTA%C3%87%C3%83O+%28PPGCC%29+2020.pdf
bitstream.checksum.fl_str_mv a68861f5d92856371e90f197bc32117c
8a4605be74aa9ea9d79846c1fba20a33
250fcb36bf164f1f083739d106c717b2
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFCG - Universidade Federal de Campina Grande (UFCG)
repository.mail.fl_str_mv bdtd@setor.ufcg.edu.br || bdtd@setor.ufcg.edu.br
_version_ 1863363482331643904