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。
極端マルチラベル分類(XMC)は,数百万または数百万のラベルを含む教師つきマルチラベル学習を参照する。本論文では,XMCにおけるラベル表現の概念を一般化し,浅いツリーを学習するために表現空間におけるラベルを分割するBonsaと呼ばれる一連のアルゴリズムを開発した。このラベル表現空間の3つの具体的実現を示した。(i)入力特徴によってスパンされる入力空間,(ii)他のラベルとのそれらの共起に基づくラベルベクトルによってスパンされた出力空間,および(iii)入力と出力表現を結合することによる関節空間。さらに,制約のないマルチウェイ分割は,これらの空間で反復的に学習し,浅い木をもたらす。浅い木と一般化されたラベル表現の効果を結合することによって,Bonsaiは,XMCにおける最先端のツリーベースの方法に匹敵する両方の世界-高速訓練の最良と,特にテールラベルに関して,はるかに良い予測精度を達成した。300万のラベルを持つベンチマークアマゾン-3Mデータセット上で,Bonsaは予測精度に関して最先端の1対休止法よりも優れており,一方,列車に対して約200倍高速であった。Bonsaのコードは,利用可能である。Copyright The Author(s) 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】