haha

题目解析：要学会看题目思考，这篇文章是干什么的

首先，解决的问题是Multi-label Propagation。作者把多标签分类问题叫成 Multi-label Propagation，以后关于Multi-modal，Multi-object，Multi-label的论文都可以看看，是否可以转成Multi-label classification问题呢？

其次，Teaching-to-Learn and Learning-to-Teach，教它如何去学习，学会了再去教。加上主语，sb teaching sb to learn，老师教学生去学习；sb learning sth to teach，学生反过来教老师。

貌似，还是不懂！！！

起码，做到理解这是，A 到 B，B 再到 A的一件事情。

-----------------------------------------------------------对论文的理解-------------------------------------------------------------

已有数据集是已标注的，现在是要对test data打标签。多标签的核心问题是①每条数据对应标签个数的确定；②如果考虑标签层次关系，对于新闻文本来说，是政治的，基本不是娱乐，如果上一次的标签就错了，直接影响到下次的了。如何使算法具有自我更改的特性？

****************目前怎么考虑标签的层次关系？**********************

论文：Classifier chains for multi-label classification

解析：

Binary relevance method(BR): BR transforms a multi-label problem into multiple binary problems; one problem for each label.

把打好的标签作为数据特征融合在原数据中，对修改后的数据进行分类。

那么，如果h2把标签打错了，这样再往下传，岂不是错上加错，该怎么办？

变化打标签的顺序，

y1波浪，先打label1，再label2，label3，label4，label5，label6

y2波浪，先打label2，再label3，label4，label5，label6，label1

y3波浪，先打label3，再label4，label5，label6，label2，label1

……

**************************************论文解析********************************************

《Teaching-to-Learn and Learning-to-Teach for Multi-label Propagation》整个论文的思路，选择容易标记的数据，先标记这个label，这条数据难打的label后打。

step1：老师从test data中选容易打上标签的数据，如何选？怎么判断这个数据好打标签？转化为：如何度量，一个样本和一个类相似，距离！！！

某条test data 到 某个label数据的 正例/负例 两边的距离做差，差越小，证明离中间越近，分成正例还是分成负例很为难，越不好分类。距离在这里是个阈值

论文中用的距离是通信方面，信号接收的距离，该距离发表在pamin上，其实用什么距离都是可以的，换个其它距离会不会出再出一篇论文呢？

step2：标签如果错了，该肿么办？

避免标签错，选择一个置信度，如果这条数据是label1的概率是0.9，不是label1的概率是0.1，那么这个是不会分错的。如果这条数据是label1的概率是0.6，不是label1的概率是0.4，那么，很容易这条数据分错了，先不对这个数据打这个标签，打其余容易打的标签。

0.9和0.1的置信区间远远大于0.6和0.4的置信区间，置信度区间也是一个阈值。

总结，两层筛选，先找好分类的数据，再找分的时候置信区间大的数据，才打这个标签。

**************************************相关链接**************************************

这个人一直在做多标签且做的好，陶大程的学生：

http://www.escience.cn/people/chengong/paper.dhome