典型文献
含缺失标签的大规模多标签分类算法
文献摘要：
在对大规模多标签数据进行人工标注时极易产生标签的缺失.现有算法大多利用被所有实例共享的全局标签相关性来解决该问题,即对不同实例而言,标签之间的相关性是相同的.然而在实际应用中,不同实例的标签相关性并非完全相同,此时采用局部方式获取的标签相关性将更加准确.因此,本文提出一种基于局部标签相关性的解决方法.该方法利用局部标签相关性来恢复缺失标签,利用低秩矩阵分解技术来构造适用于大规模数据的分类器.此外,为了加快模型的训练,该方法将这两个过程融合到一个统一的框架中,并采用迭代优化的方式进行求解.大量实验结果表明,该方法在预测准确度上至少比现有算法高2个百分点,在训练速度上至少提升5个百分点.
文献关键词：
多标签分类;缺失标签;大规模标签;局部标签相关性;低秩矩阵分解
中图分类号：
作者姓名：
刘依璐;曹付元
作者机构：
山西大学 计算机与信息技术学院,太原 030006;山西大学 计算智能与中文信息处理教育部重点实验室,太原 030006
文献出处：
引用格式：
[1]刘依璐;曹付元-.含缺失标签的大规模多标签分类算法)[J].计算机工程与应用,2022(17):148-157
A类：
缺失标签,局部标签相关性,大规模标签
B类：
多标签分类,分类算法,标签数据,多利,完全相同,法利,低秩矩阵分解,分解技术,大规模数据,分类器,两个过程,过程融合,合到,迭代优化,预测准确度,上至,百分点,训练速度,少提
AB值：
0.207191
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
