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。
本論文では,不完全に割当られたラベルのあるデータからのマルチラベル分類器の訓練を特に検討した。完全集合ラベルを割り当てるために人の人間の注釈者のためのはほとんど不可能であるので,この問題は多くのマルチラベル応用に基本的に重要であるが,これらの判断が信頼できる。換言すれば,多標識データセットは,通常,による(1)指定されたラベルが明確に正及び(2)いくつかのラベルは存在しない特性を有しているが,まだ陽性と考えられた。そのような設定は,二元設定における正とラベル付けされていない(PU)分類問題として研究されてきた。マルチラベルPUランキング,古典的二成分PU問題wellstudiedランクベースマルチラベル分類への拡張として不完全ラベル割当問題を扱った。ラベル不完全の負の影響を打ち消すために満たさなければならない条件を導出した。筆者らが実験的に得られた結果は,これらの条件の有効性を示した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】