.png){kind=icon}
返回
An improved two-stage binary relevance method for multilabel classification
.png){kind=icon}
PRE
AI
DOI：10.1080/02664763.2025.2567977.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多标签分类涉及一类非传统的分类问题，其中每个实例可能同时与多个标签关联。多标签分类的传统方法之一是二元相关性算法，该方法首先将多标签数据集转换为多个二元结果数据集（每个标签一个），然后在每个转换后的数据集上训练一个二元分类器以预测给定标签的出现，最后将所有预测的标签聚合起来构成一个多标签结果。该方法存在两个显著缺点：一是未能考虑标签相关性，二是在标签稀疏时预测性能较差。为解决这些缺陷，我们开发了一种改进的两阶段二元相关性方法，该方法利用聚类分析揭示潜在的标签结构，随后按顺序实现标签子集和单个标签的预测。为缓解标签子集不平衡带来的挑战，我们考虑了所提出方法的几种精炼实现。我们在十个真实的多标签数据集上展示了该方法，并将其与基准的二元相关性方法以及其他三种竞争方法使用五种不同的性能指标进行比较。数值研究表明，该方法在几乎所有情况下均能产生显著更好或相当的结果。
Keyword:
Binary relevance
clustering
label correlation
multilabel classification
sequential prediction
期刊
J
IF:
1.1
论文数:
134
被引数:
4.2K
机构
引用论文
An extensive experimental comparison of methods for multi-label learning.png)
PATTERN RECOGNITION
PATTERN RECOGNITIONIF7.6
PREAI
分享收藏
查看更多内容