文献

J-GLOBAL ID：202202232716521332   整理番号：22A0895733

セマンティックリッチラベル特異的特徴学習のためのマルチラベル空間再形状【JST・京大機械翻訳】

Multi-label space reshape for semantic-rich label-specific features learning

著者 (5件)： Cheng Yusheng (School of Computer and Information, Anqing Normal University, Anqing, Anhui, China) ,  Cheng Yusheng (The University Key Laboratory of Intelligent Perception and Computing of Anhui Province, Anqing, China) ,  Zhang Chao (School of Computer and Information, Anqing Normal University, Anqing, Anhui, China) ,  Pang Shufang (School of Computer and Information, Anqing Normal University, Anqing, Anhui, China) ,  Pang Shufang (The University Key Laboratory of Intelligent Perception and Computing of Anhui Province, Anqing, China)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 4  ページ： 1005-1019  発行年： 2022年 
JST資料番号： W4478A  ISSN： 1868-8071  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 既存のラベル特異的特徴学習技術は,主に埋込みベースの研究方法を使用する。しかし,ラベル意味論の不適切な考慮,選択された特徴のスパース性など多くの問題が存在する。本論文では,LSR-LSF(セマンティックリッチラベル特異的特徴学習のためのマルチラベル空間再構成)アルゴリズムを,これらの問題を解決するために本論文で提案した。最初に,スパース論理マトリックスを,ラベル伝搬依存性マトリックスを通して数値ラベルマトリックスに構築した。第2に,拘束伝播は,再成形過程の前後にラベルマトリックスに存在するかもしれない差異を避けるために追加した。代替反復法を用いて数値ラベルベクトルを得た。同時に,再形状ラベル相関行列を,解空間を制約する余弦類似性によって構築した。次に,ラベル特異的特徴の学習能力が改善されたかどうかを測定した。最後に,ベンチマークデータセットに関する広範な実験は,他の最先端のラベル特異的特徴学習法よりもLSR-LSFの優位性を示した。Copyright The Author(s), under exclusive licence to Springer-Verlag GmbH Germany, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  意味論 ,  *学習 ,  体系分類 ,  逐次近似 ,  特性 ,  *ラベル ,  依存性 ,  再構成 ,  空間 ,  性質 ,  知識獲得 ,  ベンチマーク
準シソーラス用語： スパース性 ,  相関行列 ,  学習能力 ,  解空間 ,  ラベル伝搬 , 【Automatic Indexing@JST】

著者キーワード (5件)： マルチラベル学習 ,  ラベル空間再形状 ,  数値ラベル ,  ラベル特異的特徴 ,  ラベル伝搬

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 学習 ,  マルチ ,  ラベル