基于共现分析的三阶段增强分类器链多标签分类方法
人工智能
2022-04-14 v1
摘要
作为一种非常流行的多标签分类方法，分类器链(Classifiers Chain)近年来被广泛应用于许多多标签分类任务。然而，现有的分类器链方法难以建模和利用标签空间中的潜在依赖关系，且常受困于链序不佳与误差传播问题。本文提出一种基于共现分析的三阶段增强分类器链方法用于多标签分类。首先，我们提出一种共现矩阵方法，以建模一个标签与其前驱标签之间的潜在关联，并进一步确定链的头部标签。其次，我们提出两种增强策略来优化链中标签的顺序，以逼近标签空间中的潜在标签关联，包括贪心顺序分类器链与三元组顺序分类器链。在六个基准数据集上进行了大量实验，实验结果表明，与CC及其流行的分类器链变体相比，所提出的增强CC方法能显著提升多标签分类性能，尤其在保持较低计算成本的同时实现了更优性能。
引用
@article{arxiv.2204.06138,
title = {A Three-phase Augmented Classifiers Chain Approach Based on Co-occurrence Analysis for Multi-Label Classification},
author = {Gao Pengfei and Lai Dedi and Zhao Lijiao and Liang Yue and Ma Yinglong},
journal= {arXiv preprint arXiv:2204.06138},
year = {2022}
}
备注
31 pages, 5 figires, 6 tables