Combinação de modelos por método físico inspirado para a classificação científica de patentes

• Ano de defesa: 2023
• Autor(a) principal: Resende, Lucas Lopes
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: BERT; Citações a não Patentes; Comitê de Classificadores; Ensemble Learning; Non-Patent References; Patentes; Patents
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/100/100132/tde-16012024-085102/

Este presente trabalho propõe um modelo físico inspirado para a composição de modelos de aprendizado de máquina. O objetivo é aplicar o modelo para o estudo bibliométrico da relação entre ciência e tecnologia nos países latino-americanos por meio de citações a não patentes. Na metodologia, as citações a não patentes foram utilizadas como recurso de supervisão para os classificadores Naive Bayes, BERT e SVM OneClass. Em seguida, os classificadores são combinados por meio de comitê de superposição para a classificação científica das patentes. Foi avaliado o alinhamento com as citações a não patentes, a distorção da representatividade e a significância estatística dos resultados produzidos. Verificou-se que o modelo de superposição é 5,18% mais alinhado com as citações a não patentes e distorce 18,96% menos a proporção esperada das classes que o método de base Naive Bayes. Respectivamente, os resultados são significativos para o teste-z e para teste qui-quadrado de aderência com significância para &alpha; < 0,05. Durante a aplicação do classificador de comitê, foi criada uma interpretação inspirada pelas leis da termodinâmica para explicar a superioridade dos métodos de comitê sobre os preditores fracos. É apontado que a entropia é conceito essencial para explicar a melhoria da acurácia nos métodos de comitê. Por fim, as predições do classificador de comitê são utilizadas para criação de rede que representa a intensidade da interação entre as áreas científicas e as áreas tecnológicas, como também para regressão que compara o peso da produção científica de um país com relação à proporção esperada da produção de patentes. Concluímos que o classificador de superposição é capaz de fornecer um resultado mais verossímil para o problema da classificação científica de patentes.