Allan Vieira

O idealismo transcendental anunciado por Husserl como idêntico à própria fenomenologia nunca deixou de ser um dos pontos mais polêmicos de sua filosofia. A esse respeito, um dos primeiros críticos da posição filosófica esposada publicamente por Husserl a partir de Ideias para uma fenomenologia pura foi seu outrora aluno Roman Ingarden. Seu denso e resoluto criticismo em relação à perspectiva idealista de Husserl é amparado por minuciosas investigações de ordem ontológica, contidas sobretudo em seu magnum opus, Controvérsia acerca da existência do mundo. Contudo, algumas das discussões aí indicadas já se faziam presentes em seu famoso escrito A obra de arte literária, de 1929. Com efeito, neste texto, que busca demarcar o estatuto ontológico das obras literárias, Ingarden já empreende análises que lhe permitem questionar alguns dos pressupostos centrais ao idealismo transcendental advogado por Husserl. A proposta do presente trabalho é apresentar algumas das noções básicas da ontologia ingardeniana, bem como sua visão acerca do modo de ser da obra literária, e tentar compreender como estes elementos se coordenam a fim de fornecer a Ingarden alguns dos elementos que lhe permitem ensaiar uma resposta realista à perspectiva de Husserl.

One of the most active areas of research in semi-supervised learning has been to study methods for constructing good ensembles of classifiers. Ensemble systems are techniques that create multiple models and then combine them to produce improved results. These systems usually produce more accurate solutions than a single model would. Specially, multi-view ensemble systems improve the accuracy of text classification because they optimize the functions to exploit different views of the same input data. However, despite being more promising than the single-view approaches, document datasets often have no natural multiple views available. This study proposes an algorithm to generate a synthetic view from a standard text dataset. The model generates a new view from the standard bag-of-words approach using an algorithm based on hidden Markov models. To show the effectiveness of the proposed HMM-based synthetic view generation method, it has been integrated in a co-training ensemble system and tested with four text corpora: Reuters, 20 Newsgroup, TREC Genomics and OHSUMED. The results obtained are promising, showing a significant increase in the efficiency of the ensemble system compared to a single-view approach.