多標記學習算法及其在標簽推薦中應用研究.pdf

1、信息技術的飛速發(fā)展帶來了信息過載問題，它使用戶很難從海量的數(shù)據(jù)中獲取有用的信息.自動分類作為解決信息過載問題的有效手段，已經(jīng)在眾多領域得到廣泛應用.傳統(tǒng)的分類都假設實例只與一個標記相關，而在類似文本、圖像、視頻等領域中，實例通常都與多個標記相關，傳統(tǒng)的分類算法也就不再適用，因此對多標記數(shù)據(jù)的學習成為重要的研究課題.標簽推薦則隨著標簽網(wǎng)站的迅速發(fā)展成為熱門的研究問題之一.本文主要研究多標記學習算法，并根據(jù)多標記學習與標簽推薦的預測結(jié)果都是

2、多個元素的特點，對多標記學習算法在標簽推薦中的應用展開相關的研究.
　　本文首先對多標記學習與標簽推薦的概念進行闡述，分別總結(jié)了多標記學習與標簽推薦的相關算法，并分析了各算法的優(yōu)缺點.其次，提出了基于標記間關系的多標記學習算法，該算法對元級特征進行了改進，改進后的簡化元級特征保留了元級特征能夠表示實例與標記的關系的特點，同時減少了輸入空間的維度.在此基礎上，該算法提出結(jié)合簡化的元級特征以及標記空間得到標記間關系矩陣的方法，預測階段

3、結(jié)合該矩陣與簡化的元級特征得到預測結(jié)果.在多標記數(shù)據(jù)集上的實驗結(jié)果表明，該算法能夠有效的利用標記間的關系，且更適用于對標記間依賴關系較強的數(shù)據(jù)集進行分類.最后，根據(jù)標簽推薦的特點，對多標記學習算法的部分實現(xiàn)進行了改進，提出了用于標簽推薦的多標記學習算法.訓練階段，提出了以標簽共現(xiàn)次數(shù)來計算標簽間關系矩陣的方法.推薦階段，提出了以標簽向量來表示用戶與資源的歷史信息，結(jié)合該標簽向量與標簽間關系矩陣得到推薦的標簽集合.在標簽數(shù)據(jù)集上的實驗結(jié)果