Pesquisadores da KAIST desenvolveram um modelo de AI denominado MARIOH, que utiliza aprendizado de máquina para reconstruir interações de alta ordem a partir de informações de baixa ordem, melhorando a análise de relacionamentos complexos em diversas áreas.
Contexto da pesquisa
A pesquisa realizada pela Korea Advanced Institute of Science and Technology (KAIST) se concentra em reconstruir interações de múltiplas entidades em diversas disciplinas. Segundo os pesquisadores, somente interações binárias são frequentemente coletadas devido a limitações técnicas, resultando em perda de contexto completo.
Método proposto
O modelo MARIOH (Multiplicity-Aware Hypergraph Reconstruction) utiliza a informação de multiplicidade das interações de baixa ordem para restringir o número de interações de alta ordem que podem ser geradas a partir de uma estrutura dada. O método combina técnicas de busca eficientes e aprendizado profundo baseado em multiplicidade para prever a probabilidade de cada interação candidata representar uma interação de alta ordem real.
Resultados e impacto
Os experimentos conduzidos com dez conjuntos de dados do mundo real mostraram que o MARIOH pode reconstruir interações de alta ordem com até 74% mais precisão em comparação com métodos existentes. Por exemplo, em um conjunto de dados sobre relações de coautoria fornecido pelo DBLP, o MARIOH alcançou uma precisão de reconstrução superior a 98%, enquanto métodos anteriores apresentaram apenas cerca de 86% de acurácia.
MARIOH supera abordagens existentes que dependem apenas de informações de conexão simplificadas, permitindo uma análise precisa das interconexões complexas do mundo real.
(“MARIOH moves beyond existing approaches that rely solely on simplified connection information, enabling precise analysis of the complex interconnections found in the real world.”)— Kijung Shin, Professor, KAIST
Esses avanços se traduzem em melhorias significativas em tarefas downstream, como predição e classificação, abrindo novas possibilidades em áreas como análise de redes sociais, ciências da vida e neurociência.
O modelo tem aplicações potenciais em discussões em grupo, análise de redes colaborativas, e rastreamento de atividades simultâneas em múltiplas regiões do cérebro.
Fonte: (TechXplore – Machine Learning & AI)
