Neste artigo, propomos uma nova estratégia de verificação de factos (averiguação da verdade), baseada na agregação de dados de aprendizagem de máquinas com o método k significaans combinado com o índice de silhueta para determinar o valor óptimo de k, a fim de detectar a partição óptima do conjunto de atributos. Uma tal divisão ideal maximiza a precisão do processo de apuramento da verdade sem ter de explorar todas as partições possíveis. Os resultados das nossas experiências intensivas com dados sintéticos e reais mostram que a nossa abordagem supera as de (Lamine Ba et al., 2015), com um custo de tempo computacional mais razoável. Finalmente, esboçamos uma forma de paralelizar um dado processo de apuramento da verdade utilizando o paradigma MapReduce, a fim de evitar a explosão do tempo de execução quando o tamanho dos dados de entrada aumenta.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.
Hinweis: Dieser Artikel kann nur an eine deutsche Lieferadresse ausgeliefert werden.