米罗斯拉夫·库巴特;卡诺克斯里·萨林纳帕科恩;萨雷万·登达姆隆格维特 多标签文本分类领域中的归纳法。 （英语） Zbl 1185.68597号 Koronacki，Jacek（编辑）等人，《机器学习的进展II》。献给Ryszard S.Michalski教授。柏林：施普林格出版社（ISBN 978-3-642-05178-4/hbk；978-3-662-05179-1/电子书）。计算智能研究263，225-244（2010）。 摘要：文本文档的自动分类有两个不同的方面。首先，每个训练或测试示例可以同时标记两个以上的类，这不仅对归纳算法有严重影响，而且对我们如何评估归纳分类器的性能也有严重影响。其次，示例通常由许多属性描述，这使得从数十万个训练示例中进行归纳非常昂贵。最近的机器学习文献已经解决了这两个问题，但现实世界中现有解决方案的行为仍远不能令人满意。在这里，我们描述了我们自己的技术，并用一个具体的文本数据库报告了实验结果。有关整个系列，请参见[Zbl 1183.68013号]. MSC公司： 68吨10 模式识别、语音识别 68T05型 人工智能中的学习和自适应系统 关键词：分类器归纳;文本分类;多标签示例;信息融合;Dempster-Shafer理论 PDF格式BibTeX公司 XML格式引用 \textit{M.Kubat}等人，研究计算。智力。263225-244（2010年；Zbl 1185.68597） 全文： 内政部