![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
多标签分类
SUFEHeisenberg
在读PhD,研究兴趣为NLP方向。
展开
-
【paper】A Divide- and-Conquer Approach for Large-scale Multi-label Learning
A Divide- and-Conquer Approach for Large-scale Multi-label Learning 添加链接描述 一、模型思路 利用特征向量将训练数据聚类为几个聚类。 通过将每个标签视为一个推荐项目(items),将多标签问题重新表述为推荐问题(users)。 学习高级分解模型(因子分解机,FM),以向局部集群的每个点推荐标签子集。 二、创新点 提出了一种基于分治的分类方法,该方法可以充分利用样本,特征和标签的相关性和稀疏性来获得令人满意的性能 第一个提出分治法与因原创 2020-11-03 10:30:37 · 203 阅读 · 1 评论 -
【NLP】多标签分类Review
多标签分类介绍 一、概念策略及评估标准 1、概念 同一个实例,可以有多个标签, 或者被分为多个类。 例如,以该电影的分类为例,影片类型可以为剧情/动作/犯罪。而最顶上的label豆瓣电影Top250则只有一个,是或者不是;或者在其他国家电影分级机制中的U12(Under 12)。 即多分类的label必须是N取1,多标签的label是N取M(M≥1)。 2、评估标准 任务是学习一个多标签分类器h(⋅)h(\cdot )h(⋅),预测h(x)⊆Yh(x) \subseteq Yh(x)⊆Y作为????的正确原创 2020-10-23 21:59:53 · 356 阅读 · 0 评论 -
Paper《SGM:Sequence generation model for Multi-label classification》
1、Intuition 多标签分类问题中,不同标签之间往往存在着一定的相关关系,使得每个标签并不是独立的。而传统的多标签分类中,通常是在最后一层对每个分类标签使用sigmoid_crossentropy_loss来计算损失,然后将损失求和,同时计算每个分类标签的概率,忽略了标签之间的关联性。 通过使用seq2seq的方式能够在一定程度上建模标签之间的关联信息。 2、Model 给定标签空间L={l1,l2,⋅⋅⋅,lL}L = \{l_1, l_2, · · · , l_L\}L={l1,l2,⋅⋅⋅,原创 2020-10-23 22:03:46 · 289 阅读 · 2 评论