利用层级结构检测层次多标签分类中的缺失标注
机器学习
2022-07-14 v1
摘要
由于新测序技术的发展,基因组数据在过去十年中呈指数级增长。基于从不断增加的基因组数据中提取的基因(及基因产物)间相互作用,众多研究聚焦于识别基因与功能之间的关联。尽管这些研究展现出巨大前景,用功能标注基因的问题仍是一项开放挑战。本工作中,我们提出一种检测层次多标签分类数据集中缺失标注的方法。我们提出的方法通过为每例样本计算从叶到根的类路径聚合概率来利用类层级结构。该方法在预测缺失基因功能标注的背景下提出,其中这些聚合概率进一步用于筛选一组待通过体内实验验证的标注。在Oriza sativa Japonica(一种水稻)上的实验表明,将类层级结构纳入方法常能提升预测性能,且我们提出的方法相较于文献中的竞争方法取得了更优结果。
引用
@article{arxiv.2207.06237,
title = {Hierarchy exploitation to detect missing annotations on hierarchical multi-label classification},
author = {Miguel Romero and Felipe Kenji Nakano and Jorge Finke and Camilo Rocha and Celine Vens},
journal= {arXiv preprint arXiv:2207.06237},
year = {2022}
}