Seleção de atributos permite melhorar a eficácia de vários algoritmos de aprendizado de máquina, principalmente em aplicações envolvendo mineração de dados e textos. No artigo Interactive textual feature selection for consensus clustering é apresentada e avaliada uma estratégia de seleção interativa de atributos, ou seja, que permite que humanos participem fornecendo feedback no processo. O diferencial da proposta é minimizar o número de consultas aos humanos durante a seleção de atributos e, ao mesmo tempo, maximizar a qualidade do aprendizado. O algoritmo foi avaliado em consenso de agrupamentos, uma tarefa que viabiliza a organização automática de objetos em grupos de acordo com a similaridade entre os objetos.

Mais detalhes:  http://www.sciencedirect.com/science/article/pii/S0167865514002827