基于划分子集主题模型的多标签极限分类

摘要：

在多标签分类任务中随着标签数量的增多,传统的基于隐含狄利克雷分布模型的方法往往会遇到可扩展性问题.为解决这一问题,提出一种基于划分子集的带标签隐含狄利克雷模型.通过对数据划分子集降低算法的时间复杂度,在标签规模达到成百上千时灵活扩展模型,提高传统带标签狄利克雷模型的预测准确率.该方法被部署于大规模实验数据集上,与多个经典方法进行比对,实验结果表明,该方法具有良好的准确率和效率,是解决多标签学习问题的有效工具.

关键词：带标签隐含狄利克雷模型、多标签学习、极限分类、划分子集、时间复杂度

所属期刊栏目：41

分类号：TP391.4(计算技术、计算机技术)

资助基金：四川省科技厅基金项目172102210594

在线出版日期：2020-12-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：3432-3437