基于类属属性的多标记学习算法

• 作者: 吴磊 张敏灵
• 来源期刊: 软件学报
• 学科: 工学
• 关键词: 机器学习 多标记学习 类属属性 降维 标记相关性
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 大数据分析专刊
• 页码范围: 1992-2001
• 页数: 10页
• 分类号: TP181
• 字数: 7351字
• 语种: 中文
• DOI: 10.13328/j.cnki.jos.004641

摘要

在多标记学习框架中,每个对象由一个示例(属性向量)描述,却同时具有多个类别标记.在已有的多标记学习算法中,一种常用的策略是将相同的属性集合应用于所有类别标记的预测中.然而,该策略并不一定是最优选择,原因在于每个标记可能具有其自身独有的特征.基于这个假设,目前已经出现了基于标记的类属属性进行建模的多标记学习算法LIFT.LIFT包含两个步骤：属属性构建与分类模型训练.LIFT首先通过在标记的正类与负类示例上进行聚类分析,构建该标记的类属属性；然后,使用每个标记的类属属性训练对应的二类分类模型.在保留LIFT分类模型训练方法的同时,考察了另外3种多标记类属属性构造机制,从而实现 LIFT 算法的3种变体--LIFT-MDDM,LIFT-INSDIF以及LIFT-MLF.在12个数据集上进行了两组实验,验证了类属属性对多标记学习系统性能的影响以及LIFT采用的类属属性构造方法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吴磊	东南大学计算机科学与工程学院	48	666	14.0	25.0
3	张敏灵	东南大学计算机科学与工程学院	8	108	4.0	8.0