标记分布学习中目标函数的选择

摘要：

标记分布学习是近年提出的一种新的机器学习范式.从理论上来说,这一范式可以看作是对多标记学习的泛化.已有的研究表明标记分布学习是一种有效的学习范式,能够很好地解决某些标记多义性问题.针对标记分布学习,已有一些预测效果不错的专门算法被提出来.针对这些专门的标记分布学习算法提出了一种泛化标记分布学习框架.在这个框架中,一个专门的标记分布学习算法由目标函数、输出模型和优化方法三部分组成.针对这个泛化框架中的目标函数部分展开研究.为了研究选择不同的距离作为目标函数对标记分布学习算法预测效果的影响,选取7个代表性距离作为研究对象.通过对5个真实标记分布数据集上的实验结果进行分析,结合每个距离的特点,提出了一些选取目标函数的具体建议.

关键词：标记分布学习、最大熵模型、拟牛顿法、目标函数选择

所属期刊栏目：11

分类号：TP391(计算技术、计算机技术)

资助基金：The National Natural Science Foundation of China under Grant Nos.61273300,61232007;the Natural Science Funds for Distinguished Young Scholar of Jiangsu Province under Grant No.BK20140022

在线出版日期：2017-07-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：708-719