.多标记学习研究综述.pdfVIP

第 卷第 期 计 算 机 应 用 研 究 年 月 多标记学习研究综述 李志欣 卓亚琦 张灿龙 周生明 广西师范大学计算机科学与信息工程学院 广西桂林 桂林理工大学理学院 广西桂林 摘 要 多标记学习是针对现实世界中普遍存在的多义性对象而提出的一种学习框架 对多标记学习的研究 现状和进展作了综合论述给出多标记学习的定义和求解策略将当前多标记学习算法分为问题转换和算法改 进两大类并重点阐述各类算法的学习原理探讨了多标记学习的各种评估措施的定义及其作用并总结了在多 标记学习研究背景下若干有价值的研究方向 关键词 多标记学习 机器学习 问题转换 算法改进 评估措施 中图分类号 文献标志码 文章编号 引言 问题定义 传统的单标记分类任务是将单一的标记来自于标记的 在传统的监督学习框架中待学习的样本具有明确的单 有限集合 赋给一个样本 一个单标记数据集 由 一的语义标记 在这个监督学习框架下已经提出多种算法并 个训练样本 组成 如果 取得良好的效果 但是现实世界的对象却通常具有不只 则学习任务称为二类分类 如果 则称为 多 一种语义标记经常表现为多义性 例如在图像分类的任务 类分类 而多标记分类任务将一个标记子集 赋给每一 中一幅图像往往同时包含多种重要的语义概念很难用单一 个样本 一个多标记数据集则由 的语义标记进行描述 于是很自然的处理方式就是为一个图 个训练样本组成 像赋予一个标记子集并在这个基础上进行建模和学习这就 根据多标记学习的定义其难点在于输出空间的类别标记 构成了多标记的学习框架 在多标记学习框架下样本由一个 集合数将随着标记数量的增加成指数增长 为解决这个问题 示例和对应的多个标记构成学习的目标是将多个适当的标记