CMALE 论文任务分配20211012

一. 论文任务分配

1. 摘要（MXY）
   进展情况（完成了80%，需要根据实验结果进行修改）
2. 引言
   2.1 文献综述（QK）
   进展情况（完成了20%，需要和参考文献一起写）
   2.2 本文工作的描述（MXY）
   进展情况（完成了50%，需要根据实验结果进行修改）
3. 基础知识
   3.1 基本问题（MXY）
   多标签学习、主动学习、代价敏感学习
   3.2 已有组合（QK）
   多标签主动学习、代价敏感主动学习、代价敏感多标签学习
   3.3 问题描述（完成了80%）
4. 本文技术
   4.1 预测模型（QK）
   （完成了60%，可能根据根据实验结果进行修改）
   4.2 实例-标签对选择
   4.2.1 实例代表性（完成了80%）（MF）
   4.2.2 标签不确定性（完成了80%）（MF）
   4.2.3 标签稀有性（完成了80%）（MF）
   4.2.4 正负标签比例与误分类代价（完成了60%）（MF）
   4.3 代价控制的结束条件
   4.3.1 标签近期价值（完成了50%）（MXY）
   4.3.2 标签远期价值（完成了20%）（MXY）
   4.4 算法描述（完成了50%）（MXY）
5. 实验
   QK 负责实现已有算法并实验，MXY 负责 CMALE 的实验
   5.1 数据集（完成了60%，需要根据实验结果进行选择）（QK）
   5.2 与多标签学习算法的比较（完成了0%，需要实现已有的算法，且进行大量实验）
   说明预测模型的有效性，在同样的标签的数据集上，精度更高
   5.2 与多标签主动学习算法的比较（完成了0%，需要实现已有的算法，且进行大量实验）
   说明标签选择方案的有效性，标签数量相同时，精度更高
   5.3 与代价敏感多标签主动学习算法的比较（完成了0%，需要实现已有的算法，且进行大量实验）
   说明对代价的适应性，能获得更小的总代价
6. 结论及进一步工作（完成了10%，难度不大）（MF）
7. 参考文献（完成了20%，繁琐）（PY）

二. 代码任务分配 （MXY）

1. 数据管理类 multi_label_data.py
   1.1 数据读入（完成）
   1.2 查询标签支持（完成）
   1.3 精度计算（完成）
   1.4 代价计算（未完成）
2. 神经网络类 multi_label_ann.py
   2.1 全连接 + 并行网络（完成）
   2.2 CNN + 并行网络（未完成，暂时不需要）
3. 主要算法类 cmale.py
   3.1 冷启动
   3.1.1 实例代表性（完成）
   3.1.2 标签稀有性（完成）
   3.1.3 查询方案（完成了50%，对于每个代表性样本只查询了1个标签，不知道是否需要调整方案，代表性强的样本查询更多标签）
   3.1.4 正负标签比例统计（未完成）
   3.2 正常学习过程
   3.2.1 标签不确定性（完成80%）
   3.2.2 标签比例控制（完成20%，应根据正负标签比例和代价计算）
   3.2.3 标签近期价值（未完成）
   3.2.4 标签远期价值（未完成）
   3.2.5 查询方案（完成了40%）
   3.2.6 增量训练（未完成）

三. 可能的难点

1. 大数据集的处理
   可能非常耗时，需要调整网络结构.
2. 图像数据的处理
   可能需要将全连接部分替换为 CNN.
3. 比较算法
   多标签的容易找，但多标签主动学习的相对难找，代价敏感的可能没有.