对抗式部分多标签学习
机器学习
2020-06-08 v2 机器学习
摘要
部分多标签学习（PML）致力于从带有过完备噪声标注的实例中学习多标签预测模型，近来开始受到研究界的关注。本文中，我们在广义编码器—解码器框架下提出一种新颖的对抗学习模型 PML-GAN 用于部分多标签学习。PML-GAN 模型使用消歧网络识别噪声标签，并使用多标签预测网络将训练实例映射到消歧后的标签向量，同时部署生成对抗网络（GAN）作为从标签向量到输入特征空间中数据样本的逆映射。整体模型的学习对应于一个极小极大对抗博弈，增强了输入特征与输出标签在双向映射中的对应性。我们在多个数据集上进行了充分实验，所提模型在部分多标签学习上取得了最先进的（SOTA）性能。
引用
@article{arxiv.1909.06717,
title = {Adversarial Partial Multi-Label Learning},
author = {Yan Yan and Yuhong Guo},
journal= {arXiv preprint arXiv:1909.06717},
year = {2020}
}