多标记学习及其在物流专家推荐中的应用

发布时间：2017-09-20 09:14

  本文关键词：多标记学习及其在物流专家推荐中的应用

  更多相关文章： 多标记学习 Random Subspace 分类器链方法 物流专家推荐

【摘要】：信息技术的飞速发展和互联网技术的全面普及增强了用户收集、存储和传输数据的能力,与此同时也推动了“大数据时代”的到来。大数据当中蕴含丰富的信息,但同时也呈现出体量大和类型多等特征,这也就造成了难于处理和信息过载等问题。为了从海量的数据中获取到满足需求的指定信息,数据挖掘技术应运而生。而多标记学习又是当前数据挖掘领域的一个研究热点,其可以有效的解决实际应用中的多标记分类等问题,因此,多标记学习已受到学术界和产业界的高度重视。目前,已经有许多研究者对多标记学习进行了系统的研究,提出了很多的多标记学习方法。但这些已有方法在应用中仍然存在一定问题,其中一个重要问题就是高维数据问题。为此,本研究将基于特征选取的Random Subspace方法引入到多标记学习当中,构建基于Random Subspace的分类器链方法RS-CC和基于Random Subspace的组合分类器链方法RS-ECC。首先,本文系统分析了多标记学习的研究现状,明确了当前的研究问题和未来的研究方向。其次,对多标记学习的相关基础理论进行了系统研究,理解了机器学习、监督学习和多标记学习等知识模块。然后,针对高维数据条件下的多标记学习问题,考虑到分类器链方法的不稳定性和组合分类器链方法在解决高维数据问题时的算法复杂程度高等劣势,从特征提取的角度分别构建基于Random Subspace的分类器链方法RS-CC和基于Random Subspace的组合分类器链方法RS-ECC,并通过多个标准数据集对其有效性进行了检验。最后,将面向高维数据的改进多标记链式学习方法RS-CC和RS-ECC应用于物流专家推荐这一高维并且多义的分类问题中,通过从科研之友社交网站上抓取的物流专家数据集对改进方法的有效性进行了检验。实验结果表明,面向高维数据的改进多标记链式学习方法RS-CC和RS-ECC在多个应用领域都取得了较好的分类结果,能够很好的处理高维数据多标记分类问题,从而验证了本研究提出的改进方法的有效性。通过本研究,一方面对多标记学习领域的相关理论进行了系统的分析,提出了改进的多标记学习方法,丰富和完善了多标记学习的理论研究体系；另一个方面,本研究率先将多标记学习方法应用到物流领域的专家推荐当中,拓展了多标记学习的应用范围,与此同时,也为物流专家推荐提供了一个新的解决问题的思路和途径。
【关键词】：多标记学习 Random Subspace 分类器链方法 物流专家推荐
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP391.3;TP18
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-14
• 第一章 绪论14-24
• 1.1 研究背景和意义14-16
• 1.1.1 研究背景14-16
• 1.1.2 研究意义16
• 1.2 国内外研究现状16-19
• 1.2.1 多标记学习方法研究16-18
• 1.2.2 多标记学习的应用研究18-19
• 1.3 研究目标和研究内容19-21
• 1.3.1 研究目标19-20
• 1.3.2 研究内容20-21
• 1.4 研究方法与技术路线图21-23
• 1.4.1 研究方法21-22
• 1.4.2 技术路线图22-23
• 1.5 本文的组织结构23-24
• 第二章 多标记学习的相关基础理论研究24-41
• 2.1 机器学习概述24-25
• 2.1.1 机器学习概念24
• 2.1.2 机器学习系统的基本结构24-25
• 2.1.3 机器学习的分类25
• 2.2 监督学习理论研究25-32
• 2.2.1 监督学习框架与处理流程26-27
• 2.2.2 常用分类方法概述27-31
• 2.2.3 分类器评价方法和评价指标31-32
• 2.3 多标记分类理论研究32-40
• 2.3.1 多标记学习框架32-33
• 2.3.2 多标记分类方法33-36
• 2.3.3 多标记分类评价指标36-40
• 2.4 小结40-41
• 第三章 面向高维数据的改进多标记链式学习方法研究41-61
• 3.1 研究问题背景41-43
• 3.2 面向高维数据的改进多标记链式学习方法RS-CC和RS-ECC43-47
• 3.2.1 RS-CC方法43-45
• 3.2.2 RS-ECC方法45-47
• 3.3 实验设计47-50
• 3.3.1 实验数据集47-48
• 3.3.2 评价指标48
• 3.3.3 对比方法48
• 3.3.4 实验流程48-50
• 3.4 结果分析讨论50-60
• 3.4.1. 实验结果50-53
• 3.4.2 分析与讨论53-60
• 3.5 小结60-61
• 第四章 面向高维数据的改进多标记链式学习方法在物流专家推荐中的应用61-76
• 4.1 物流专家推荐研究背景61-62
• 4.2 基于多标记学习的物流专家推荐问题形式化定义62-63
• 4.3 基于多标记学习的物流专家推荐框架63-66
• 4.3.1 物流专家信息获取模块64-65
• 4.3.2 物流专家数据预处理模块65-66
• 4.3.3 多标记数据分类模块66
• 4.3.4 结果分析模块66
• 4.4 实验设计66-69
• 4.4.1 物流专家相关信息数据集66-68
• 4.4.2 评价指标68
• 4.4.3 对比方法68
• 4.4.4 实验流程68-69
• 4.5 结果分析讨论69-75
• 4.5.1 实验结果69-70
• 4.5.2 分析与讨论70-75
• 4.6 小结75-76
• 第五章 总结与展望76-78
• 5.1 主要贡献与创新点76
• 5.2 研究展望76-78
• 参考文献78-83
• 攻读硕士学位期间的学术活动及成果情况83

【相似文献】

中国期刊全文数据库 前3条

1 ;欢迎订阅《RFID技术与应用》杂志/合订本[J];中国电子商情(RFID技术与应用);2009年03期

2 ;欢迎订阅《RFID技术与应用》杂志/合订本[J];中国电子商情(RFID技术与应用);2009年04期

3 ;[J];;年期

中国重要会议论文全文数据库 前10条

1 ;营造中国物流生态体系——第二次“中国物流专家论坛”纪要[A];中物联参阅（2001）[C];2001年

2 ;第五次中国物流专家论坛将于12月20日在京举办[A];中国物流与采购联合会会员通讯总第14期-32期（2002年1月-2003年1月）[C];2002年

3 ;第五次中国物流专家论坛服务项目介绍[A];中国物流与采购联合会会员通讯总第14期-32期（2002年1月-2003年1月）[C];2002年

4 ;“第五次中国物流专家论坛”12月20日召开[A];中国物流与采购联合会会员通讯总第14期-32期（2002年1月-2003年1月）[C];2002年

5 ;历次中国物流专家论坛简介[A];第七次中国物流专家论坛代表手册[C];2003年

6 ;第七次物流专家论坛将于12月召开[A];中国物流与采购联合会会员通讯总第33期-52期（2003年2月-12月）[C];2003年

7 ;历次中国物流专家论坛简介[A];第九次中国物流专家论坛代表手册[C];2004年

8 ;第七次中国物流专家论坛纪要[A];中国物流与采购联合会中物联参阅（2002年—2003年）[C];2003年

9 ;当前我国发展现代物流业的主要矛盾和对策——首次“中国物流专家论坛”纪要[A];中物联参阅（2001）[C];2001年

10 ;冷静看待“物流热” 第三次“中国物流专家论坛”纪要[A];中国物流与采购联合会中物联参阅（2002年—2003年）[C];2003年

中国重要报纸全文数据库 前7条

1 尹国杰邋徐勇;物流专家为岳阳县农产品流通把脉[N];湖南日报;2007年

2 记者 曾祥书;第三次物流专家论坛会召开[N];中国国门时报(中国出入境检验疫报);2002年

3 冯玉丽　黄西雷;两岸四地物流专家探讨合作与发展[N];中国石化报;2009年

4 吴欣;四大“看点”值得关注[N];现代物流报;2006年

5 堂 堂;物流专家盘点物流新进展[N];中国商报;2003年

6 刘长忠;物流专家：中国急需拓展物流专业化保证食品安全[N];中华新闻报;2007年

7 通讯员 沙飞;物流专家勾勒重庆五条世界贸易走廊走向[N];中国水运报;2005年

中国硕士学位论文全文数据库 前1条

1 汪杨;多标记学习及其在物流专家推荐中的应用[D];合肥工业大学;2016年

，

本文编号：887185