论文笔记 AAAI2020 Multi-View Partial Multi-label Learning with Graph-based Disambiguation

最近看到了这篇文章，觉得可以拿来参考，先做个阅读笔记记录一下。

论文阅读

先附上论文地址

背景介绍

这篇文章研究的问题是在多视图多标签学习（MVML）学习中标签不可信的问题。
在常规的MVML研究中，通常假定针对每个训练实例都已对所有相关标签进行了精确注释。
但是，在许多现实世界的场景中，通常很难获得精确的注释，而且成本很高。所以文章建模了一种问题是多标签部分有效场景下的学习问题MVPML(Multi-View Par-tial Multi-label Learning)，并以此提出了它的方法进行实验。

提出的方法

该文章提出了一个名为GRADIS（GRAph-based DISambiguation）的方法，大致上分为两步完成任务，一是重新表示标签，二是重新表示特征。

Candidate Labels Disambiguation

这部分工作的目的是消除训练数据的原生标签集的错误，得到一份新的标签。
首先定义$\mathcal{N}(x_i^v)$为样本