文献

J-GLOBAL ID：201702210729292287   整理番号：17A1557414

欠損標識を用いた半教師つきマルチラベル学習のためのロバストな非負スパースグラフ【Powered by NICT】

Robust non-negative sparse graph for semi-supervised multi-label learning with missing labels

著者 (2件)： Ma Jianghong (Department of Electronic Engineering, City University of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong) ,  Chow Tommy W.S. (Department of Electronic Engineering, City University of Hong Kong, Tat Chee Avenue, Kowloon, Hong Kong)
資料名： Information Sciences  (Information Sciences)
巻： 422  ページ： 336-351  発行年： 2018年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： マルチラベル学習では,各インスタンスが有限数候補カテゴリーの間の多重非排他的クラスに属すると仮定した。ラベルは,その意味論的類似性に従って特定概念空間に関連している。欠損標識を扱う多くの既存の手法は,欠損ラベルを持つ元の不完全ラベルマトリックスにおけるラベル間の採掘相互依存性に制限があった。さらに,特徴を用いて標識回収を容易にするとき意味論的ギャップはしばしば無視されている。本論文では,半教師付き設定下での新規標識回収法を提案した。提案した方法は,標識空間における標識マトリックス補完を行い,ラベル付けされていない空間におけるマトリックス予測を標識することができる。意味構造(異なるインスタンスの間の関係ラベル)および意味的相関(異なるラベル間の関係ラベル)もそれぞれ意味論的ギャップと信頼できないラベル相関に対するロバスト性を向上させるために利用した。目的関数を定式化することで,利用された意味レベルにおける隠れた関係グラフを捕捉し,アノテーション構造を明らかにしL_1ノルムと非負制約。反復機構は,すべての変数である信頼性保証に導入した。と比較して広く使用されている五マルチラベルデータセットを用いた集中的シミュレーション。得られた結果は,提案した手法はその他の最先端レベル手法と比較して非常に競争力のある性能を達成できることを示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 多重化 ,  ノルム ,  定式化 ,  類似性 ,  *学習 ,  *グラフ ,  意味論 ,  シミュレーション ,  予測 ,  *ロバスト性 ,  アノテーション ,  採掘 ,  目的関数
準シソーラス用語： 信頼性保証 ,  相互依存性 , 【Automatic Indexing@JST】

著者キーワード (5件)： ラベル回収 ,  半教師付き設定 ,  欠損標識 ,  意味論的構造 ,  意味論的相関

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (8件)： 欠損 ,  標識 ,  教師 ,  マルチ ,  ラベル ,  学習 ,  ロバスト ,  グラフ