一种可扩展的多标签学习问题转换方法
信息检索
2019-05-29 v1 机器学习
摘要
二元相关性是解决多标签学习问题的一种简单方法，其中为每个标签构建独立的二元分类器。在现实应用中，其常见挑战是标签空间可能非常庞大，使得难以将二元相关性用于更大规模的问题。在本文中，我们提出一种可扩展的替代方案，通过将多标签问题转换为单个二元分类。我们尝试了方法的几种变体，并表明我们的方法在Top-K推荐系统任务上取得了比二元相关性更高的精度以及更快的执行时间。
引用
@article{arxiv.1905.11518,
title = {On a scalable problem transformation method for multi-label learning},
author = {Dora Jambor and Peng Yu},
journal= {arXiv preprint arXiv:1905.11518},
year = {2019}
}