LASS：一种具有拉普拉斯平滑的简单分配模型

我们考虑在给定两种信息源的情况下，学习将 $N$ 个项软分配到 $K$ 个类别的问题：一个是项 - 类别相似度矩阵，它鼓励将项分配给与其相似的类别（而不分配给与其不相似的类别）；另一个是项 - 项相似度矩阵，它鼓励相似项具有相似的分配。我们提出了一种简单的二次规划模型来捕捉这一直觉。我们给出了解唯一性的必要条件，定义了样本外映射，并基于交替方向乘子法推导了一种简单有效的训练算法。该模型即使仅凭少量相似度值也能预测合理的分配，可视为半监督学习的一种推广。当项自然属于多个类别时（例如用关键词标注文档或用标签标注图片，且存在部分标注的项），或者当类别之间存在未知复杂关系（如层次结构）时，该模型尤为有用。