TPAMI 2024 | 从允许平局的多标签排序预测标签分布

题目：Predicting Label Distribution From Tie-Allowed Multi-Label Ranking

从允许平局的多标签排序预测标签分布

作者：Yunan Lu; Weiwei Li; Huaxiong Li; Xiuyi Jia

---

摘要

标签分布提供了比逻辑标签更多的关于标签多义性的信息。目前有两种获取标签分布的方法：标签分布学习（LDL）和标签增强（LE）。在LDL中，专家必须用标签分布来注释训练实例，并且在此训练集上训练预测函数以获得标签分布。在LE中，专家必须用逻辑标签注释实例，然后从这些逻辑标签中恢复标签分布。然而，LDL受到昂贵注释的限制，而LE没有性能保证。因此，我们研究了如何从允许平局的多标签排序（TMLR）预测标签分布，这是一种在注释成本和良好性能保证之间的折中。一方面，我们从理论上分析了TMLR和标签分布之间的关系。我们定义了预期近似误差（EAE）来量化注释的质量，为TMLR提供了EAE界限，并导出了给定TMLR注释对应的标签分布的最佳范围。另一方面，我们提出