基于划分子集主题模型的多标签极限分类

• 作者: 刘燚 杨菊英 罗佳
• 来源期刊: 计算机工程与设计
• 学科: 工学
• 关键词: 带标签隐含狄利克雷模型 多标签学习 极限分类 划分子集 时间复杂度
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 软件与算法
• 页码范围: 3432-3437
• 页数: 6页
• 分类号: TP391.4
• 语种: 中文
• DOI: 10.16208/j.issn1000-7024.2020.12.020

摘要

在多标签分类任务中随着标签数量的增多,传统的基于隐含狄利克雷分布模型的方法往往会遇到可扩展性问题.为解决这一问题,提出一种基于划分子集的带标签隐含狄利克雷模型.通过对数据划分子集降低算法的时间复杂度,在标签规模达到成百上千时灵活扩展模型,提高传统带标签狄利克雷模型的预测准确率.该方法被部署于大规模实验数据集上,与多个经典方法进行比对,实验结果表明,该方法具有良好的准确率和效率,是解决多标签学习问题的有效工具.