基于正样本与未标记数据多标签排序方法研究.pdfVIP

多排序：基于正样本和未标记数据

和原田龙司东京大学

本郷7‑3‑1文京区，东京{

kanehira,harada}@mi.t.u‑tokyo.ac.jp

本文中，我们专门研究了从具有不完全分配

的数据中训练多分类器的问题。这一问题在许多

多应用中具有根本的重要性，因为人工标注者几

乎不可能分配完整的集，尽管他们的判断是可靠

的。换句话说，多数据集通常具有以下特性：

（1）已标注的明确为正；（2）某些未被标

注但仍应视为正样本。这种设定在二分类设置中已被研

究为正和未标记（PU）分类问题。不完全

分配问题视为多PU排序问题，这是将经典的二分

类PU问题扩展到基于排序的多分类。我们推导了

应满足的条件以消除性带来的影响。实

验获得的结果证明了这些条件的有效性。

图1.多数据集往往包含部分标注的样本。的

被视为负样本，并且这会影响分类性能。

图1中最左侧的图像添加的情况。他们可能会识别

1.引言出“狗”和“椅子”，然后进行分配，因为它们是主

多分类处理的是允许样本具有多个的问要组成部分。然而，除此之外，还可以使用“沙发”、

题。虽然多分类的最简单解决方案是为每个类别“地毯”和“盒子”。此外，还存在许多其他可能的正

训练一个独立的分类器，但众所周知，当类别之间存确，例如场景、狗的品种和属性。

在相关性时，这种训练模型的分类性能会较低[7]。如上文示例所示，所获得的数据集具有以下特性：

因此，需要一种能够结合依赖性的多学习方（1）已标注的明确为正；（2）的不一

法。近年来，许多研究专门针对多学习展开了探定为负。由于传统的多学习模型忽略了这种不完

讨[7],[19],[6]。此外，在包括计算机视觉在内的许整性，并且将未标注的对象视为负样本，因此它们的

多领域中，多学习都有广泛的应用[5],[27],[18]。性能会受到如图1右侧所示情况的影响。因此，

的分配问题在多学习中具有根本的重要性，

为了收集用于多分类的数据集，研究人员通常使并且是亟需解决的关键问题。

用众包。另法是像[26]中那样以半自动方式收集数本文的目标是提出法，使我们能够从不完全标

据。在大多数情况下，获得的将是的但可靠注的数据中一致地训练分类器。我们按如下方式处理该设定：

的，因为在现实世界中几乎不可能分配完整的集来完

全描述图像。例如，让我们考虑人工标注者为1.已标注的明确为正。2.的标

签不一定为负。

Multi-labelRankingfromPositiveandUnlabeledData

AtsushiKanehira