基于标签关联的多标签演化超网络

bekindasd

摘要:针对多标签学习中如何有效挖掘利用高阶标签关联的问题,提出了一种基于标签关联的多标签演化超网络模型.该模型通过输入任意多标签学习方法的预测结果,利用超边表征挖掘高阶标签关联,并综合标签关联和特征信息作为最终的预测结果.与3种传统多标签学习方法在6个多标签数据集上的对比实验表明,本文提出模型不仅能够有效提升多个传统多标签学习方法的性能,而且能够提供具有良好可读性的学习结果.
) l: D3 x3 |$ b( z: Y' R3 Y. u

关键词:机器学习;多标签学习;演化超网络;标签关联


" ~4 u5 Z8 s, [+ b
      传统有监督学习认为每个样本只有一个标签，但在现实应用中,事物往往具有复杂的语义信息.例如一副图片可能同时包括海洋、沙滩、天空等信息.在多标签学习( Multi-Label Learning)中,每个样本可能包含一个或多个标签,含有更多标签信息的样本能够更好的表现事物语义信息的多样性.多标签学习的任务包括多标签分类和标签排序两方面:前者旨在确定与测试样本关联的标签集合,而后者旨在根据所有标签与测试样本的关联度确定标签序列.近年来,多标签学习已逐渐成为机器学习及其相关领域的热点研究方向,广泛应用在图像与视频标注、文本分类、生物信息学、音乐情感分类13等多领域.


: A$ [6 B$ g- Y& E" m* N

游客，如果您要查看本帖隐藏内容请回复

/ d' }9 X" D- N+ o0 o

; J+ A5 b- g, }& z( D" G# n# b
, h* D/ U9 _  w# _7 v

starskyuu

标签关联的多标签演化超网络