多标注源多标记排序研究

发布时间：2023-06-05 01:42

　　从多类问题到多标记分类问题,再到标记排序问题,最后到多标记排序问题,歧义性越来越大,也更加符合真实世界的多义性、复杂性。多标记排序是多标记分类和标记排序的结合,它完整地定义了多标记数据分析的两大主要任务。多标记排序的研究对于多义性对象的建模具有重要的意义,近年来,逐渐成为机器学习领域的一个重要研究方向,并广泛应用在多媒体对象(图像/音频/视频)的自动标注、生物信息学、推荐系统、信息检索等诸多领域。但是,已有工作主要集中在单一精准标注源下的多标记排序研究,通常假定在训练集中,每个示例对应一个真实、客观的标记排序。然而,在现实世界中这个假设并不常常正确,相反,更普遍的情况是一个示例由多位用户进行标注,具有多个“主观”的,不那么精确的标记排序。本文主要关注多标注源情况下的多标记排序研究。本文共五章。第一章介绍了多标记排序的研究背景、研究现状以及存在的问题。第二章给出了多标记排序问题的形式化定义及评价指标,并分类介绍了四种具有代表性的多标记排序算法。第三章首先介绍了多源标注下多标记排序的不一致问题,并提出了两种基于标记分布学习的多标记排序算法：从实例出发的IDL方法和从标注者出发的ADL方法,...

【文章页数】：46 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 引言
    1.2 多标记排序研究现状
    1.3 本文的研究动机
    1.4 论文研究目标及内容
    1.5 论文组织结构
第二章 多标记排序
    2.1 问题定义
    2.2 评价指标
        2.2.1 基于MLC的评价指标
        2.2.2 基于LR的评价指标
    2.3 多标记排序算法
        2.3.1 “问题转换方式”
        2.3.2 “算法适应方式”
    2.4 本章小结
第三章 多标注源下的多标记排序
    3.1 不一致问题
    3.2 标记分布学习
        3.2.1 标记分布
        3.2.2 LDL的形式化
    3.3 从实例出发的IDL方法
        3.3.1 标记分布的转换过程(Transformation Process on Label Distribution)
        3.3.2 标记分布的学习过程(Learning Process on Label Distribution)
        3.3.3 L-BFGS算法
    3.4 从标注者出发的ADL方法
        3.4.1 标注者模型H_i的求解
        3.4.2 示例模型H的求解
        3.4.3 ADL算法的预测过程
    3.5 本章小结
第四章 实验结果及分析
    4.1 自然场景图像数据集
    4.2 实验设置
    4.3 实验结果
    4.4 本章小结
第五章 结束语
    5.1 本文工作小结
    5.2 存在的问题及进一步工作
致谢
参考文献
作者简介



本文编号：3831434