基于标签相关性的多标签分类算法

摘要：

多标签分类算法已广泛应用于文本分类、图像识别、基因功能分类等领域,为了解决多标签分类算法较少考量标签之间的相关性等问题,提出一种基于标签相关性的多标签分类算法.首先对BP神经网络进行改进以适应多标签分类算法,然后对标签集分别使用皮尔逊相关系数和关联规则进行二阶、高阶相关性分析,最后将标签的相关性与改进的BP神经网络算法得到的概率做线性插值,得到样本属于某标签的最终概率.通过在4个真实数据集上利用5个多标签分类指标做对比实验,验证了提出的算法分类效果明显优于现有的多标签分类算法.

关键词：多标签分类;神经网络;皮尔逊相关系数;关联规则

所属期刊栏目：38

分类号：TP301.6(计算技术、计算机技术)

资助基金：十三五时期北京市属高校高水平教师队伍建设支持计划;中国博士后科学基金

在线出版日期：2022-01-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：255-261