1. 多标签知识
1.1 多标签数据（Multi-label data）
其中：
D D D 是多标签数据集；
X j X_j Xj 是第 j j j 个特征（属性）， j = 1 , 2 , … , M j=1,2,\dots,M j=1,2,…,M；
x i = ( x i 1 , x i 2 , … , x i M ) \bm{x}_i = (x_{i1},x_{i2}, \dots, x_{iM}) xi=(xi1,xi2,…,xiM) 是包含 M M M 个特征的向量；
L = { y 1 , y 2 , … , y q } L=\{y_1,y_2,\dots,y_q\} L={y1,y2,…,yq} 是数据集 D D D 的 q q q 个可能标签；
Y i Y_i Yi 是和 x i \bm{x}_i xi 关联的标签集合， Y i ⊆ L Y_i \subseteq L Yi⊆L；
E i = ( x i , Y i ) E_i = (\bm{x}_i, Y_i) Ei=(xi,Yi) 是第 i i i 个样本， i = 1 , 2 , … , N i = 1, 2, \dots, N i=1,2,…,N；
1.2 差异函数（Dissimilarity function）
使用汉明距离（Hamming Distance，HD）作为多标签
Y
a
Y_a
Ya 和
Y
b
Y_b
Yb 之间的差异函数。
记
m
l
d
(
E
a
,
E
b
)
=
H
D
(
Y
a
,
Y
b
)
mld(E_a, E_b)=HD(Y_a,Y_b)
mld(Ea,Eb)=HD(Ya,Yb)
两个集合（多标签）之间 HD 定义为
∣
Y
a
∪
Y
b
∣
−
∣
Y
a
∩
Y
b
∣
\lvert Y_a \cup Y_b \rvert - \lvert Y_a \cap Y_b \rvert
∣Ya∪Yb∣−∣Ya∩Yb∣。
它统计了
Y
a
Y_a
Ya 和
Y
b
Y_b
Yb 之间不同标签的数量。
假设，
Y
a
=
{
y
3
,
y
6
}
Y_a=\{y_3,y_6\}
Ya={y3,y6}，
Y
b
=
{
y
1
,
y
4
}
Y_b=\{y_1,y_4\}
Yb={y1,y4}，则
H
D
(
Y
a
,
Y
b
)
=
4
HD(Y_a,Y_b)=4
HD(Ya,Yb)=4；
又比如
Y
a
=
{
y
2
,
y
3
,
y
5
,
y
6
}
Y_a=\{y_2,y_3,y_5,y_6\}
Ya={y2,y3,y5,y6}，
Y
b
=
{
y
1
,
y
2
,
y
4
,
y
5
}
Y_b=\{y_1,y_2,y_4,y_5\}
Yb={y1,y2,y4,y5}，则
H
D
(
Y
a
,
Y
b
)
=
4
HD(Y_a,Y_b)=4
HD(Ya,Yb)=4。
在这篇文章中，使用归一化的 HD
H
D
(
Y
a
,
Y
b
)
=
∣
Y
a
∪
Y
b
∣
−
∣
Y
a
∩
Y
b
∣
q
HD(Y_a, Y_b) = \frac{\lvert Y_a \cup Y_b \rvert - \lvert Y_a \cap Y_b \rvert}{q}
HD(Ya,Yb)=q∣Ya∪Yb∣−∣Ya∩Yb∣
2. 算法
其中：
W d Y W_{dY} WdY 是标签之间的差异；
W d X W_{dX} WdX 是属性值之间的差异；
W d Y X W_{dYX} WdYX 标签和属性值之间的差异；
d ( E i , E K z ) d(E_i,EK_z) d(Ei,EKz) 是距离权重；
d i f f ( X j , E i , E K z ) diff(X_j, E_i, EK_z) diff(Xj,Ei,EKz) 计算了样本 E i E_i Ei 和 E K z EK_z EKz 在特征 X j X_j Xj 上值的差异；
W W W 代表最终特征的权重。
3. 原文
DOI 10.1109/BRACIS.2013.10
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
