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