张启龙；邓伟斌；胡，冯；屈原；胡宗荣 一种基于朴素贝叶斯的标定标签排序方法。 （中文。英文摘要） Zbl 1413.68107号 J.大学科学。Technol公司。中国 48，第1期，65-74（2018）. 摘要：传统的校准标签排名算法（校准标签排名，CLR）使用成对的标签关联来转换和预测结果。它的算法校准是将其与二进制相关（BR）基础进行比较。它的预测对BR的结果有一定的依赖性，因此对某些数据集的预测会产生一些限制。为了更好地区分标签的相关性和不相关性，提出了一种标定标签边界区域的方法，该方法利用贝叶斯概率进一步修正相关标签和无关标签的边界部分，从而提高边界域分类的准确性。将提出的基于朴素贝叶斯的CLR方法（NBCLRM）与校准标签排序等七种传统方法进行了比较。实验结果表明，该算法不仅可以通过修改阈值（varepsilon）和阈值（mu）来调整预测结果，而且可以有效地提高传统多标签学习方法的性能。 MSC公司： 68T05型 人工智能中的学习和自适应系统 第68页，共15页 数据库理论 关键词：数据挖掘；朴素贝叶斯；校准标签排名；多标签学习算法 PDF格式BibTeX公司 XML格式引用 \textit｛Q.Zhang｝等人，《大学科学》杂志。Technol公司。中国48，No.1，65--74（2018；Zbl 1413.68107） 全文： 内政部