STELAR Tech Brief n.º 3: Aumento de dados com consideração do viés para a identificação de riscos alimentares

Os enviesamentos na aprendizagem automática no domínio da segurança agroalimentar — tais como o desequilíbrio de classes, a variação linguística e a inconsistência no comprimento dos textos — prejudicam a precisão dos modelos. Este artigo apresenta um fluxo de trabalho estruturado para mitigar estas questões através da avaliação dos dados, da limpeza (remoção de duplicados, tratamento de valores em falta através da combinação de características) e do aumento direcionado dos dados. Uma estrutura composta por 10 métodos (por exemplo, substituição de sinónimos, transferência de estilo, resumo de texto) gera 16 pontos de dados sintéticos distribuídos por cinco classes, melhorando significativamente a precisão equilibrada. Modelos BART ajustados e o ChatGPT 4.0 produzem dados sintéticos consistentes e com baixa perda. Técnicas como preenchimento, codificação e seleção de características aumentam a robustez. A abordagem reduz os custos computacionais, mantendo a precisão contextual, oferecendo uma solução de IA escalável e responsável para a identificação de riscos alimentares. Parte do projeto STELAR financiado pela UE (ID da subvenção: 101070122), liderado por Vivek Kumar na Universidade da Bundeswehr de Munique.