一种基于标签相关性的多标签分类算法-计算机应用研究.PDFVIP

第３１卷第９期 计 算 机 应 用 研 究 Ｖｏｌ．３１Ｎｏ．９ ２０１４年９月　 ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ Ｓｅｐ．２０１４ 一种基于标签相关性的多标签分类算法 １ １ ２ １ 王　霄 ，周李威 ，陈　耿 ，朱玉全 （１．江苏大学计算机科学与通信工程学院，江苏镇江２１２０１３；２．南京审计学院信息科学学院，南京２１１８１５） 摘　要：针对基于概率统计的ＭＬｋＮＮ算法只能对每个独立的标签进行分析，忽略了真实世界中标签间的相关 性，提出了一种联系标签相关性的ＭＬｋＮＮ算法（ＳＭＬｋＮＮ）。该方法对训练集进行扩展，并按照标签间的二阶 组合来构造新的标签，融合了标签之间的相关性。实验结果表明，ＳＭＬｋＮＮ算法优于ＭＬｋＮＮ算法。 关键词：多标签；标签相关性；ｋＮＮ；二阶 中图分类号：ＴＰ３９１；ＴＰ３０１．６　　　文献标志码：Ａ　　　文章编号：１００１３６９５（２０１４）０９２６０９０４ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１４．０９．０１１ Ｃｏｒｒｅｌａｔｉｏｎｌａｂｅｌｂａｓｅｄｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎａｌｇｏｒｉｔｈｍ １ １ ２ １ ＷＡＮＧＸｉａｏ，ＺＨＯＵＬｉｗｅｉ，ＣＨＥＮＧｅｎｇ，ＺＨＵＹｕｑｕａｎ （１．ＳｃｈｏｏｌｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆ＴｅｌｅｃｏｍｍｕｎｉｃａｔｉｏｎｓＥｎｇｉｎｅｅｒｉｎｇ，ＪｉａｎｇｓｕＵｎｉｖｅｒｓｉｔｙ，ＺｈｅｎｊｉａｎｇＪｉａｎｇｓｕ２１２０１３，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＩｎｆｏｒ ｍａｔｉｏｎＳｃｉｅｎｃｅ，ＮａｎｊｉｎｇＡｕｄｉｔＵｎｉｖｅｒｓｉｔｙ，Ｎａｎｊｉｎｇ２１１８１５，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：ＴｈｅｏｎｌｙＭＬｋＮＮａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎｐｒｏｂａｂｉｌｉｔｙａｎｄｓｔａｔｉｓｔｉｃｓｆｏｒｅａｃｈｉｎｄｉｖｉｄｕａｌｔａｇａｎａｌｙｓｉｓ，ｉｇｎｏｒｉｎｇｔｈｅｃｏｒｒｅ ｌａｔｉｏｎｂｅｔｗｅｅｎｔｈｅｔａｇｓｉｎｔｈｅｒｅａｌｗｏｒｌｄ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａＭＬｋＮＮａｌｇｏｒｉｔｈｍｗｉｔｈｔｈｅｌａｂｅｌｃｏｒｒｅｌａｔｉｏｎ（ＳＭＬｋＮＮ），ｔｈｅ ｍｅｔｈｏｄｅｘｔｅｎｄｅｄｔｈｅｔｒａｉｎｉｎｇｓｅｔａｎｄｆｏｌｌｏｗｔｈｅｌａｂｅｌｂｅｔｗｅｅｎｔｈｅｓｅｃｏｎｄｃｏｍｂｉｎａｔｉｏｎｔｏｃｏｎｓｔｒｕｃｔａｎｅｗｌａｂｅｌ，ｔｈｅｉｎｔｅｇｒａｔｉｏｎ ｏｆｔｈｅｃｏｒｒｅｌａｔｉｏｎｂｅｔｗｅｅｎｌａｂｅｌｓ．Ｅｘｐｅｒｉｍｅｎｔａｌｒｅｓｕｌｔｓｓｈｏｗｔｈａｔ，ＳＭＬｋＮＮａｌｇｏｒｉｔｈｍｏｕｔｐｅｒｆｏｒｍｓＭＬｋＮＮａｌｇｏｒｉｔｈｍ． Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉｌａｂｅｌ；ｌａｂｅｌｃｏｒｒｅｌａｔｉｏｎ；ｋＮＮ；ｓｅｃｏｎｄｏｒｄｅｒ ［１２］ 　　与单标签学习相比，多标签学习是一种更符合真实世界客 复杂度。ＭＬｋＮＮ 算法是一种简单且非常有效的解决多标 ［１～３］ ［４，５］ 观规律的方法，尤其在文本分类 、图像分类 、生物基因 签问题的方法，它利用最大化后验原则来确定待预测样本的标 ［６］ 功能分类 等领域有着广泛的应用。 签集。然而，由于它仅针对每一个独立标签来统计其在近邻中