Multi-label learning with label-specific features by resolving label correlations

در یادگیری چند برچسب، برچسب های مختلف ممکن است ویژگی های ذاتی خود را برای تشخیص یکدیگر داشته باشند، در عین حال، بهره برداری از همبستگی بین برچسب ها، یک کار عملی دیگر هنوز به چالش کشیدن برای بهبود عملکرد است. در این کار، روش جدیدی را برای یادگیری مشترک ویژگی های خاص برچسب و همبستگی برچسب ها ارائه می کنیم. کلیدی طراحی یک چارچوب بهینه سازی برای یادگیری طرح تخصیص وزن از ویژگی ها است و همبستگی بین برچسب ها با ایجاد ویژگی های اضافی در یک زمان در نظر گرفته می شود. از طریق یکپارچگی بهینه سازی دو مجموعه متغیرهای ناشناخته که به ویژگی های مبتنی بر ویژگی ها و ویژگی های مرتبط با برچسب اشاره شده است، ویژگی های خاص برچسب هر برچسب در دسترس برای رسیدن به طبقه بندی چند لایحه هستند. آزمایشات جامع بر روی مجموعه داده های مختلف چند برچسب از جمله دو مجموعه داده های پزشکی طب سنتی چینی، مزایای الگوریتم پیشنهادی ما را نشان می دهد.