मल्टी-लेबल वर्गीकरण समस्याओं पर तंत्रिका नेटवर्क कैसे लागू करें?


12

विवरण:

बता दें कि प्रॉब्लम डोमेन डॉक्यूमेंट क्लासिफिकेशन है, जहां 1 या अधिक कक्षाओं से संबंधित प्रत्येक फीचर वैक्टर का एक सेट मौजूद है। उदाहरण के लिए, एक दस्तावेज़ और श्रेणियों doc_1से संबंधित हो सकता है ।SportsEnglish

सवाल:

वर्गीकरण के लिए तंत्रिका नेटवर्क का उपयोग करना, एक फीचर वेक्टर के लिए लेबल क्या होगा? क्या यह सभी वर्गों का एक सदिश रूप होगा जो 0 मान गैर-प्रासंगिक वर्गों को दिया जाता है और 1 प्रासंगिक कक्षाओं के लिए? तो अगर वर्ग लेबल की सूची है [Sports, News, Action, English, Japanese], तो दस्तावेज़ के doc_1लिए लेबल क्या होगा [1, 0, 0, 1, 0]?

जवाबों:


3

हां, बहु-लेबल सीखने में लेबल जानकारी को अक्सर आपके द्वारा वर्णित बाइनरी वेक्टर के रूप में एन्कोड किया जाता है। यह मूल्यांकन के लिए भी आसान है।

हम बहु-लेबल सीखने के लिए एक खुला स्रोत जावा पुस्तकालय, मुलान की जांच करना चाहते हैं । यह एक वीका विस्तार है और इसमें कई मल्टी-लेबल क्लासिफायर, तंत्रिका नेटवर्क शामिल हैं। उदाहरण के लिए, आप यहाँ बीपी-एमएलएल पा सकते हैं ।


8

यह वह कागज है जिसकी आप तलाश कर रहे हैं:

मिन-लिंग झांग और ज़ी-हुआ झोउ: कार्यात्मक-जीनोमिक्स और पाठ वर्गीकरण के अनुप्रयोगों के साथ मल्टी-लेबल तंत्रिका नेटवर्क

अमूर्त से:

मल्टी-लेबल शिक्षण में, प्रशिक्षण सेट में प्रत्येक उदाहरण लेबल के एक सेट के साथ जुड़ा हुआ है, और कार्य एक लेबल सेट को आउटपुट करना है जिसका आकार प्रत्येक अनदेखी उदाहरण के लिए एक प्राथमिकता है। इस पत्र में, इस समस्या को संबोधित किया गया है जिस तरह से मल्टी-लेबल लर्निंग के लिए बीपी-एमएलएल, यानी बैकप्रॉपैगैशन नामक तंत्रिका नेटवर्क एल्गोरिदम प्रस्तावित है। ... दो वास्तविक दुनिया मल्टी-लेबल सीखने की समस्याओं, यानी कार्यात्मक जीनोमिक्स और पाठ वर्गीकरण के अनुप्रयोग, बताते हैं कि बीपी-एमएलएल का प्रदर्शन कुछ अच्छी तरह से स्थापित मल्टी-लेबल सीखने के एल्गोरिदम से बेहतर है।

हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.