多标记学习(multi-labellearning,MLL)任务处理一个示例对应多个标记的情况,其目标是学习一个从示例到相关标记集合的映射。
标记分布学习将不同标记的重要程度用标记分布来刻画。
标记增强是指通过挖掘训练样本中蕴含的标记重要性差异信息,将逻辑标记转化为标记分布,进而通过标记分布学习有效的提升预测精度。
多标记学习(multi-labellearning,MLL)任务处理一个示例对应多个标记的情况,其目标是学习一个从示例到相关标记集合的映射。
标记分布学习将不同标记的重要程度用标记分布来刻画。
标记增强是指通过挖掘训练样本中蕴含的标记重要性差异信息,将逻辑标记转化为标记分布,进而通过标记分布学习有效的提升预测精度。