抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルチラベル分類問題は,テキスト分類において頻繁に発生し,多くの他の関連する応用がある。従来の分類問題のように,マルチラベル分類タスクは,高次元性の曲線に悩まされている。既存のマルチラベル次元縮小法は,主に二つの制限を受ける。最初に,潜在的非線形構造は入力空間において利用されない。第二に,ラベル情報は完全には利用されていない。本論文では,ラベル間相関に基づいてクラス内距離を最小化し,クラス間距離を最大化するために,潜在的構造を利用する新しい方法,マルチラベル局所識別埋め込み(MLDE)を提案した。潜在的構造は,非線形情報を利用するために2組の隣接グラフを構築することによって抽出される。実際の応用における事例である非対称ラベル相関を採用した。この問題を大域的目的関数に定式化し,線形写像を行い,サンプル外問題を解いた。11個のYahoサブタスク,EnronおよびBibexを横断する経験的研究を行い,MLDEの優位性を検証し,マルチラベル次元低減法について述べた。Data from Wanfang. Translated by JST【JST・京大機械翻訳】