多標(biāo)記學(xué)習(xí)及其在物流專(zhuān)家推薦中的應(yīng)用.pdf

1、信息技術(shù)的飛速發(fā)展和互聯(lián)網(wǎng)技術(shù)的全面普及增強(qiáng)了用戶收集、存儲(chǔ)和傳輸數(shù)據(jù)的能力，與此同時(shí)也推動(dòng)了“大數(shù)據(jù)時(shí)代”的到來(lái)。大數(shù)據(jù)當(dāng)中蘊(yùn)含豐富的信息，但同時(shí)也呈現(xiàn)出體量大和類(lèi)型多等特征，這也就造成了難于處理和信息過(guò)載等問(wèn)題。為了從海量的數(shù)據(jù)中獲取到滿足需求的指定信息，數(shù)據(jù)挖掘技術(shù)應(yīng)運(yùn)而生。而多標(biāo)記學(xué)習(xí)又是當(dāng)前數(shù)據(jù)挖掘領(lǐng)域的一個(gè)研究熱點(diǎn)，其可以有效的解決實(shí)際應(yīng)用中的多標(biāo)記分類(lèi)等問(wèn)題，因此，多標(biāo)記學(xué)習(xí)已受到學(xué)術(shù)界和產(chǎn)業(yè)界的高度重視。
　　目前

2、，已經(jīng)有許多研究者對(duì)多標(biāo)記學(xué)習(xí)進(jìn)行了系統(tǒng)的研究，提出了很多的多標(biāo)記學(xué)習(xí)方法。但這些已有方法在應(yīng)用中仍然存在一定問(wèn)題，其中一個(gè)重要問(wèn)題就是高維數(shù)據(jù)問(wèn)題。為此，本研究將基于特征選取的Random Subspace方法引入到多標(biāo)記學(xué)習(xí)當(dāng)中，構(gòu)建基于Random Subspace的分類(lèi)器鏈方法RS-CC和基于Random Subspace的組合分類(lèi)器鏈方法RS-ECC。首先，本文系統(tǒng)分析了多標(biāo)記學(xué)習(xí)的研究現(xiàn)狀，明確了當(dāng)前的研究問(wèn)題和未來(lái)的研究方

3、向。其次，對(duì)多標(biāo)記學(xué)習(xí)的相關(guān)基礎(chǔ)理論進(jìn)行了系統(tǒng)研究，理解了機(jī)器學(xué)習(xí)、監(jiān)督學(xué)習(xí)和多標(biāo)記學(xué)習(xí)等知識(shí)模塊。然后，針對(duì)高維數(shù)據(jù)條件下的多標(biāo)記學(xué)習(xí)問(wèn)題，考慮到分類(lèi)器鏈方法的不穩(wěn)定性和組合分類(lèi)器鏈方法在解決高維數(shù)據(jù)問(wèn)題時(shí)的算法復(fù)雜程度高等劣勢(shì)，從特征提取的角度分別構(gòu)建基于Random Subspace的分類(lèi)器鏈方法RS-CC和基于Random Subspace的組合分類(lèi)器鏈方法RS-ECC，并通過(guò)多個(gè)標(biāo)準(zhǔn)數(shù)據(jù)集對(duì)其有效性進(jìn)行了檢驗(yàn)。最后，將面向高維

4、數(shù)據(jù)的改進(jìn)多標(biāo)記鏈?zhǔn)綄W(xué)習(xí)方法RS-CC和RS-ECC應(yīng)用于物流專(zhuān)家推薦這一高維并且多義的分類(lèi)問(wèn)題中，通過(guò)從科研之友社交網(wǎng)站上抓取的物流專(zhuān)家數(shù)據(jù)集對(duì)改進(jìn)方法的有效性進(jìn)行了檢驗(yàn)。實(shí)驗(yàn)結(jié)果表明，面向高維數(shù)據(jù)的改進(jìn)多標(biāo)記鏈?zhǔn)綄W(xué)習(xí)方法RS-CC和RS-ECC在多個(gè)應(yīng)用領(lǐng)域都取得了較好的分類(lèi)結(jié)果，能夠很好的處理高維數(shù)據(jù)多標(biāo)記分類(lèi)問(wèn)題，從而驗(yàn)證了本研究提出的改進(jìn)方法的有效性。
　　通過(guò)本研究，一方面對(duì)多標(biāo)記學(xué)習(xí)領(lǐng)域的相關(guān)理論進(jìn)行了系統(tǒng)的分析，提