文献

J-GLOBAL ID：202202267427687415   整理番号：22A0455484

ラベル相関を利用した階層的マルチラベル分類【JST・京大機械翻訳】

Hierarchical multilabel classification by exploiting label correlations

著者 (4件)： Xu Zhikang (School of Computer Engineering and Science, Shanghai University, Shanghai, China) ,  Zhang Bofeng (School of Computer Engineering and Science, Shanghai University, Shanghai, China) ,  Li Deyu (School of Computer and Information Technology, Shanxi University, Taiyuan, Shanxi, China) ,  Yue Xiaodong (School of Computer Engineering and Science, Shanghai University, Shanghai, China)
資料名： International Journal of Machine Learning and Cybernetics  (International Journal of Machine Learning and Cybernetics)
巻： 13  号： 1  ページ： 115-131  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： 階層型マルチラベル分類(HMC)は,複数ラベルがツリーや直接非巡回グラフ(DAG)のような階層構造で組織化される複数の意味論を持つテキストのような複雑なデータを分類することを目指している。計算の複雑さを減らすために,HMC法は,階層構造における異なる枝のクラスラベルが条件付き独立であると仮定する。しかし,これらのクラス独立HMC法はラベル間の相関を無視し,それによって分類の精度が影響を受ける。問題に取り組むために,本論文では,HMCの識別に利益を得るために,異なる枝のラベル相関を利用するクラスラベル相関(HMC-CLC)を用いた階層的マルチラベル分類法を提案した。具体的には,訓練段階において,階層における各ラベルに対して,入力空間に異なる枝のラベルを符号化するために,特徴増分学習を用いた。これに基づいて,異なる枝のラベル相関を,対応する次元における分類モデルの重みによって反映した。次に,試験段階において,異なるサンプルが異なるラベル分布を有することを考慮して,著者らは,各々のラベルのために異なるブランチの相関ラベルを動的に決定するための greedy欲なラベル選択方法を提案した。したがって,階層構造における同じラベルのために,相関ラベルは,異なるサンプルで異なった。多くの実世界データ集合に関する実験結果は,提案した方法が最先端のHMC法より優れていることを示した。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： 意味論 ,  *学習 ,  計算量 ,  階層構造
準シソーラス用語： 選択法 ,  巡回 ,  *マルチラベル分類 ,  分類モデル , 【Automatic Indexing@JST】

著者キーワード (4件)： 階層的マルチラベル分類 ,  ラベル相関 ,  増分学習 ,  欲張り戦略

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： ラベル ,  相関 ,  マルチラベル分類