含缺失标签的大规模多标签分类算法

摘要：

在对大规模多标签数据进行人工标注时极易产生标签的缺失.现有算法大多利用被所有实例共享的全局标签相关性来解决该问题,即对不同实例而言,标签之间的相关性是相同的.然而在实际应用中,不同实例的标签相关性并非完全相同,此时采用局部方式获取的标签相关性将更加准确.因此,本文提出一种基于局部标签相关性的解决方法.该方法利用局部标签相关性来恢复缺失标签,利用低秩矩阵分解技术来构造适用于大规模数据的分类器.此外,为了加快模型的训练,该方法将这两个过程融合到一个统一的框架中,并采用迭代优化的方式进行求解.大量实验结果表明,该方法在预测准确度上至少比现有算法高2个百分点,在训练速度上至少提升5个百分点.

关键词：多标签分类、缺失标签、大规模标签、局部标签相关性、低秩矩阵分解

所属期刊栏目：58

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-09-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：148-157