×
乔治·Díez;胡安·何塞·德尔科兹;奥斯卡·卢塞斯;安东尼奥·巴哈蒙德

使用张量乘积来检测多标签分类中的无条件标签依赖性。 （英语） Zbl 06870852号

信息科学。 329, 20-32 (2016).
摘要：多标签（ML）分类任务包括为每个输入分配一组标签。众所周知，检测标签依赖性对于提高ML问题的性能至关重要。在本文中，我们研究了一种新的核方法来考虑标签之间的无条件标签依赖。其目的是提高通过微平均损失函数测量的性能。其核心思想是将ML任务转换为二进制分类问题，其输入来自原始输入空间的张量空间和标签的表示。在这个联合特征空间中，我们定义了一个内核来显式地包含标签和对象描述。除了理论贡献外，这项研究的实验结果还提供了一个有趣的结论：当考虑无条件标签依赖性时，可以提高汉明损失的性能，就像我们的方法一样。我们报告了使用真实领域和几个合成数据集进行的彻底实验，这些数据集旨在分析在具有不同依赖程度的场景中利用标签依赖的效果。

MSC公司：

62H30型 分类和区分；聚类分析（统计方面）

关键词：

多标签;标签依赖性;张量积;内核方法

软件：

MULAN公司;伦敦银行支持向量机;ML-KNN公司;BoosTexter公司
PDF格式BibTeX公司 XML格式引用
\textit{J.Díez}等人，《信息科学》。329，20--32（2016；Zbl 06870852）
全文： 内政部 链接

参考文献：

[1] Chang，C.C。；Lin，C.J.，LIBSVM：支持向量机库，ACM Trans。智力。系统。技术。，2, 27:1-27:27 (2011)
[2] Cheng，W。；Hüllermier，E.，将基于实例的学习和逻辑回归相结合用于多标签分类，马赫。学习。，76, 211-225 (2009) ·Zbl 1470.68091号
[3] Dembczyánski，K。；Cheng，W。；Hüllermier，E.，通过概率分类器链进行贝叶斯最优多标签分类，第27届机器学习国际会议论文集（2010）
[5] Dembczyánski，K。；Waegeman，W。；Cheng，W。；Hüllermier，E.，多标签分类中的标签依赖性和损失最小化，马赫。学习。，88, 5-45 (2012) ·Zbl 1243.68237号
[6] 德米钦斯基，K。；Waegeman，W。；Hüllermier，E.，《多标签分类中的链接分析》，《ECAI学报》，294-299（2012）·Zbl 1327.68189号
[7] Demšar，J.，多数据集上分类器的统计比较，J.Mach。学习。研究，7，1-30（2006）·Zbl 1222.68184号
[9] Elisseeff，A。；Weston，J.，《多标记分类的核心方法》，《神经信息处理系统进展论文集》14，681-687（2001），麻省理工学院出版社
[10] 哈东，D。；Shawe-Taylor，J.，用结构标签分解神经科学数据的张量核支持向量机，Mach。学习。，79, 29-46 (2010) ·Zbl 1470.68114号
[11] 哈里哈兰，B。；Vishwanathan，S。；Varma，M.，《零快照学习应用的高效最大边缘多标签分类》，马赫。学习。，88127-155（2012年）·Zbl 1243.68241号
[12] Joachims，T。；Finley，T。；Yu，C.，结构SVM的切平面训练，马赫。学习。，77, 27-59 (2009) ·兹比尔1235.68161
[13] Kumar，A。；Vembu，S.公司。；梅农，A.K。；Elkan，C.，多标签学习的波束搜索算法，马赫。学习。，92, 65-89 (2013) ·Zbl 1273.68301号
[14] 李，P。；李，H。；Wu，M.，基于可变两两约束投影的多标签系综，信息科学。，222, 269-281 (2013)
[15] 刘，H。；张，S。；Wu，X.，MLSLR：通过稀疏逻辑回归进行多标签学习，信息科学。，281310-320（2014）·Zbl 1355.68231号
[16] 路易斯安那州。；Díez，J。；Barranquero，J。；del Coz，J.J。；Bahamonde，A.，多标签分类的二进制相关性功效，Prog。Artif公司。智力。，4, 303-313 (2012)
[17] 蒙塔涅斯，E。；Senge，R。；Barranquero，J。；Quevedo，J。；del Coz，J.J。；Hüllermeier，E.，多标签分类的依赖二元相关性模型，模式识别。，47, 1494-1508 (2014)
[18] 蒙塔涅斯，E。；Quevedo，J.R。；del Coz，J.J.，《聚合独立和依赖模型以学习多标签分类器》，马赫。学习。知识。发现。数据库，484-500（2011）
[19] 彼得森，J。；Caetano，T.，《反向多标签学习》，《神经信息处理系统进展论文集》，231912-1920（2010）
[20] Quevedo，J.R。；路易斯，O。；Bahamonde，A.，具有概率阈值策略的多标签分类器，模式识别。，45, 876-883 (2012) ·兹比尔1225.68207
[21] 里德·J。；马蒂诺，L。；Luengo，D.，《利用分类器链进行多维学习的高效蒙特卡罗方法》，模式识别。，47, 1535-1546 (2014) ·Zbl 1326.68251号
[22] 里德·J。；马蒂诺，L。；Olmos，P.M。；Luengo，D.，可伸缩多输出标签预测：从分类器链到分类器网格，模式识别。，48, 2096-2109 (2015) ·Zbl 1374.68421号
[23] 里德·J。；普法林格，B。；霍姆斯，G。；Frank，E.，多标签分类分类器链，马赫。学习。，85, 333-359 (2011)
[24] 夏皮雷，R。；Singer，Y.，BoosTexter:一个基于增强的文本分类系统，Mach。学习。，39, 135-168 (2000) ·Zbl 0951.68561号
[25] Szemák，S。；肖-泰勒，J。；Parrado-Hernández，E.，通过线性算子学习：最大边际回归；《一级复杂性下的多类和多视图学习》，《技术报告》（2006），PASCAL:PASCAL Southampton，UK
[26] Tsochantaridis，I。；Joachims，T。；霍夫曼，T。；Altun，Y.，《结构化和相互依赖输出变量的大裕度方法》，J.Mach。学习。决议，61453（2006）·Zbl 1222.68321号
[27] Tsoumakas，G。；Katakis，I.，《多标签分类：概述》，《国际数据仓库》。Min.，3，1-13（2007）
[28] Tsoumakas，G。；Katakis，I。；Vlahavas，I.，《挖掘多标签数据》（Maimon，O.；Rokach，L.，《数据挖掘和知识发现手册》（2010），施普林格出版社）
[29] Tsoumakas，G。；Katakis，I。；Vlahavas，I.，多标签分类的随机k标签集，IEEE Trans。知识。发现。数据工程（2010）
[30] Tsoumakas，G.T。；Spyromitros-Xioufis，E。；维尔切克，J。；Vlahavas，I.，Mulan：多标签学习的Java库，J.Mach。学习。第12号决议，2411-2414（2011）·Zbl 1280.68207号
[31] J·韦斯顿。；Schölkopf，B。；Bousquet，O.，联合内核映射，计算。智力。仿生系统。，135-168 (2005)
[32] Yu，J。；Rui，Y。；Tang，Y.Y。；Tao，D.，图像分类中基于高阶距离的多视图随机学习，IEEE Trans。赛博。，44, 2431-2442 (2014)
[33] 张，M.L。；佩尼亚，J.M。；Robles，V.，多标签朴素贝叶斯分类的特征选择，信息科学。，179, 3218-3229 (2009) ·Zbl 1193.68219号
[34] 张，M.L。；Zhou，Z.，ML-KNN:多标签学习的懒惰学习方法，模式识别。，2038-2048年4月40日（2007年）·Zbl 1111.68629号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。