极端多标签分类中缺失标签、长尾与倾向性研究
机器学习
2022-07-28 v1 信息检索
摘要
Jain 等人于 2016 年提出的倾向性模型已成为处理极端多标签分类（XMLC）中缺失与长尾标签的标准方法。本文中，我们批判性修订该方法，表明尽管其理论严谨，但在当代 XMLC 工作中的运用值得商榷。我们详尽讨论了基于倾向性方法的缺陷，并给出若干方案，其中部分与搜索引擎和推荐系统中所用方案相关，我们认为这些方案构成了 XMLC 中值得遵循的有前景的替代方向。
引用
@article{arxiv.2207.13186,
title = {On Missing Labels, Long-tails and Propensities in Extreme Multi-label Classification},
author = {Erik Schultheis and Marek Wydmuch and Rohit Babbar and Krzysztof Dembczyński},
journal= {arXiv preprint arXiv:2207.13186},
year = {2022}
}
备注
This is the author's version of the work accepted at KDD '22