克劳迪奥·詹蒂莱;弗朗西斯科·奥拉博纳 关于带有强盗反馈的多标签分类和排序。 （英语） Zbl 1319.62128号 J.马赫。学习。研究。 15, 2451-2487 (2014). 摘要：我们提出了一种在部分信息环境下工作的新的多标签/排名算法。该算法基于二阶下降方法，并依赖于置信上限来权衡探索和开发。我们在部分对抗环境中分析了该算法，其中协变量可以是对抗的，但多标签概率由（广义）线性模型决定。我们给出了（O（T^{1/2}\log T）遗憾界，它在多个方面改进了现有结果。我们通过对比不同现实世界多标签数据集上的全信息基线来测试我们的高自信方案的有效性，通常可以获得可比较的性能。 引用于2文件 MSC公司： 62H30型 分类和区分；聚类分析（统计方面） 62F07型 统计排名和选择程序 62J12型 广义线性模型（逻辑模型） 关键词：强盗;结构化预测;排名;在线学习;遗憾界限;广义线性模型 PDF格式BibTeX公司 XML格式引用 \textit{C.Gentile}和\textit{F.Orabona}，J.Mach。学习。第15号决议，2451--2487（2014；Zbl 1319.62128） 全文： arXiv公司 链接