利用多标签对偶空间学习判别性特征

多标签学习处理与多个类标签相关联的实例。原始标签空间是一个元素取自布尔域 $\in \left \{ 0,1 \right \}$ 的逻辑矩阵。逻辑标签无法显示每个语义标签对实例的相对重要性。绝大多数现有方法使用线性投影将输入特征映射到标签空间，并借助逻辑标签矩阵考虑标签依赖关系。然而，判别性特征是通过从实例的特征表示到逻辑标签空间的单向投影学习的。鉴于逻辑标签的学习空间中不存在流形，这限制了所学模型的潜力。受图像标注中由标签重要性与特征权重重建图像的真实例子启发，我们提出一种多标签学习新方法，利用编码器-解码器深度学习架构学习从特征空间到语义标签空间的投影矩阵并将其投影回原始特征空间。指导我们方法的核心直觉是：由于使用两个线性投影来回映射特征，判别性特征得以识别。据我们所知，这是首批研究多标签学习中从标签流形重建原始特征能力的工作之一。我们表明所学投影矩阵可识别跨多个语义标签的判别性特征子集。在真实数据集上的大量实验显示了所提方法的优越性。