文献

J-GLOBAL ID：202002224926452237   整理番号：20A1795624

特徴ラベル空間一貫性保存による半教師付きマルチラベル特徴選択【JST・京大機械翻訳】

Semi-Supervised Multi-Label Feature Selection by Preserving Feature-Label Space Consistency

著者 (5件)： Xu Yuanyuan (Nankai University, Tianjin, China) ,  Wang Jun (Ludong University, Shandong, China) ,  An Shuai (JD.com, Beijing, China) ,  Wei Jinmao (Nankai University, Tianjin, China) ,  Ruan Jianhua (University of Texas at San Antonio, San Antonio, TX, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’18  ページ： 783-792  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 半教師つき学習とマルチラベル学習は,特徴選択のための異なる課題を提起し,それは次元縮小のためのコア技術のひとつであり,不完全なラベル情報によるマルチラベル学習のための縮小特徴空間の探索は,満足から遠い。既存の特徴選択手法は,2つの問題,即ち,不完全に予測されたラベルのマイナス効果の軽減と,ラベル相関の定量的評価,半教師つきまたはマルチラベルシナリオについてのみ注意する。しかし,不完全な事前知識でラベル相関情報を抽出し,特徴選択でこの情報を埋め込むための統一フレームワークはめったに触れない。本論文では,この問題に取り組むための空間一貫性ベース特徴選択モデルを提案した。具体的には,特徴空間における相関情報を確率的近傍類似性に基づいて学習し,ラベル空間における相関情報を特徴ラベル空間一貫性を保存することにより最適化した。この機構は,半教師つきマルチラベル学習シナリオにおけるラベル情報を適切に抽出することに寄与し,識別特徴を選択するためにこの情報を効果的に採用する。実世界データに関する広範な実験的評価は,様々な評価計量の下で提案した方法の優位性を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  学習 ,  *特徴選択 ,  類似性 ,  次元縮小
準シソーラス用語： 事前知識 ,  選択モデル ,  定量的評価 ,  半教師つき学習 ,  特徴空間 , 【Automatic Indexing@JST】

著者キーワード (4件)： 特徴選択 ,  ラベル相関 ,  半教師つきマルチラベル学習 ,  空間一貫性

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： ラベル ,  保存 ,  教師 ,  マルチ ,  特徴選択