期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
5
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
近邻标签空间非平衡化标签补全的多标签学习
被引量：
4
1
作者
程玉胜
赵大卫
钱坤
《模式识别与人工智能》
EI
CSCD
北大核心
2018年第8期740-749,共10页
研究者目前通常通过标注标签之间的相关信息研究标签之间的相关性,未考虑未标注标签与标注标签之间的关系对标签集质量的影响.受K近邻的启发,文中提出近邻标签空间的非平衡化标签补全算法(Ne LC-NLS),旨在充分利用近邻空间中元素的相关...
研究者目前通常通过标注标签之间的相关信息研究标签之间的相关性,未考虑未标注标签与标注标签之间的关系对标签集质量的影响.受K近邻的启发,文中提出近邻标签空间的非平衡化标签补全算法(Ne LC-NLS),旨在充分利用近邻空间中元素的相关性,提升近邻标签空间的质量,从而提升多标签分类性能.首先利用标签之间的信息熵衡量标签之间关系的强弱,获得基础标签置信度矩阵.然后利用提出的非平衡标签置信度矩阵计算方法,获得包含更多信息的非平衡标签置信度矩阵.继而度量样本在特征空间中的相似度,得到k个近邻标签空间样本,并利用非平衡标签置信度矩阵计算得到近邻标签空间的标签补全矩阵.最后利用极限学习机作为线性分类器进行分类.在公开的8个基准多标签数据集上的实验表明,Ne LC-NLS具有一定优势,使用假设检验和稳定性分析进一步说明算法的有效性.
展开更多
关键词
多标签学习
标签相关性
信息熵
标签补全
极限学习机
下载PDF
职称材料
一种基于图卷积网络的文本多标签学习方法
被引量：
4
2
作者
刘晓玲
刘柏嵩
王洋洋
《小型微型计算机系统》
CSCD
北大核心
2021年第3期531-535,共5页
多标签学习广泛应用于文本分类、标签推荐、主题标注等.最近,基于深度学习技术的多标签学习受到广泛关注,针对如何在多标签学习中有效挖掘并利用高阶标签关系的问题,提出一种基于图卷积网络探究标签高阶关系的模型TMLLGCN.该模型采用GC...
多标签学习广泛应用于文本分类、标签推荐、主题标注等.最近,基于深度学习技术的多标签学习受到广泛关注,针对如何在多标签学习中有效挖掘并利用高阶标签关系的问题,提出一种基于图卷积网络探究标签高阶关系的模型TMLLGCN.该模型采用GCN的映射函数从数据驱动的标签表示中生成对象分类器挖掘标签高阶关系.首先,采用深度学习方法提取文本特征,然后以数据驱动方式获得基础标签关联表示矩阵,为更好地建模高阶关系及提高模型效果,在基础标签关联表示矩阵上考虑未标记标签集对已知标签集的影响进行标签补全,并以此相关性矩阵指导GCN中标签节点之间的信息传播,最后将提取的文本特征应用到学习高阶标签关系的图卷积网络分类器进行端到端训练,综合标签关联和特征信息作为最终的预测结果.在实际多标签数据集上的实验结果表明,提出的模型能够有效建模标签高阶关系且提升了多标签学习的效果.
展开更多
关键词
多标签学习
标签关联
标签补全
深度学习
图卷积网络
下载PDF
职称材料
非平衡化标签补全核极限学习机多标签学习
被引量：
3
3
作者
程玉胜
赵大卫
+1 位作者
王一宾
裴根生
《电子学报》
EI
CAS
CSCD
北大核心
2019年第3期719-725,共7页
目前众多的研究者通常直接将标签置信度矩阵作为先验知识直接加入到分类模型中,并没有考虑未标注先验知识对标签集质量的影响.基于此,引入非平衡参数的方法,将先验知识获得的基础置信度矩阵进行非平衡化,从而提出一种非平衡化的标签补...
目前众多的研究者通常直接将标签置信度矩阵作为先验知识直接加入到分类模型中,并没有考虑未标注先验知识对标签集质量的影响.基于此,引入非平衡参数的方法,将先验知识获得的基础置信度矩阵进行非平衡化,从而提出一种非平衡化的标签补全的核极限学习机多标签学习算法(KELM-NeLC):首先使用信息熵计算标签之间的相关关系得到标签置信度矩阵,然后利用非平衡参数方法对基础的标签置信度矩阵进行改进,构建出一个非平衡的标签补全矩阵,最后为了学习获得更加准确的标签置信度矩阵,将非平衡化的标签补全矩阵与核极限学习机进行联合学习,依此解决多标签分类问题.提出的算法在公开的多个基准多标签数据集中的实验结果表明,KELM-NeLC算法较其他对比的多标签学习算法有一定优势,使用统计假设检验进一步说明所提出算法的有效性.
展开更多
关键词
机器学习
多标签学习
标签相关性
信息熵
标签补全
极限学习机
下载PDF
职称材料
基于补全矩阵的多标签相关性情感分类
被引量：
1
4
作者
许莉莉
高俊波
李胜宇
《计算机系统应用》
2017年第1期175-180,共6页
目前,对新闻情感分类问题的研究大部分是从新闻作者的角度进行的,而对读者反馈的真实情感分析的较少.本文从读者角度入手进行情感分析研究.提出一种基于补全矩阵的多标签相关性情感分类模型,采用LDA提取主题表示新闻文本,然后通过使用...
目前,对新闻情感分类问题的研究大部分是从新闻作者的角度进行的,而对读者反馈的真实情感分析的较少.本文从读者角度入手进行情感分析研究.提出一种基于补全矩阵的多标签相关性情感分类模型,采用LDA提取主题表示新闻文本,然后通过使用标签相关性矩阵对原始的标签矩阵进行补全,构造了一个增强的补全标签矩阵模型(CM-LDA).最后通过和原始矩阵的LDA模型进行比较,该模型使最终的多标签分类性能有了明显的提高,准确率达到了85.72%.
展开更多
关键词
社会新闻
情感分析
标签相关性
补全矩阵-LDA(CM-LDA)
多标签分类
下载PDF
职称材料
利用辅助信息进行矩阵补全的核方法及其在多标记学习中的应用
被引量：
1
5
作者
徐淼
周志华
《中国科学：信息科学》
CSCD
北大核心
2018年第1期47-59,共13页
现实机器学习任务中一个样本通常和多个标记相关,但获取完整的标记信息需耗费大量人力物力,因此多标记学习经常会遇到标记缺失的情况.将未缺失的标记看作不完全的标记矩阵,将样本特征作为辅助信息,则可通过矩阵补全方法来解决该问题,以...
现实机器学习任务中一个样本通常和多个标记相关,但获取完整的标记信息需耗费大量人力物力,因此多标记学习经常会遇到标记缺失的情况.将未缺失的标记看作不完全的标记矩阵,将样本特征作为辅助信息,则可通过矩阵补全方法来解决该问题,以往研究主要针对线性可分情形,本文提出KernelMaxide方法,在处理线性不可分多标记数据中缺失的监督信息的同时,不仅能利用数据的非线性结构,还能考虑标记之间的相互关系.该方法依据矩阵核范数的表示定理,构建了基于核矩阵的核范数最小化优化目标以及相应的优化算法,并用Nystrm方法缓解核矩阵的存储和计算开销问题.实验显示出KernelMaxide的优越性能.
展开更多
关键词
机器学习
多标记学习
矩阵补全
核方法
Nystrm方法
原文传递
题名
近邻标签空间非平衡化标签补全的多标签学习
被引量：
4
1
作者
程玉胜
赵大卫
钱坤
机构
安庆师范大学计算机与信息学院
安庆师范大学安徽省高校智能感知与计算重点实验室
出处
《模式识别与人工智能》
EI
CSCD
北大核心
2018年第8期740-749,共10页
基金
安徽省高校自然科学重点科研项目(No.KJ2017A352)
安徽省高校重点实验室基金项目(No.ACAIM160102)资助~~
文摘
研究者目前通常通过标注标签之间的相关信息研究标签之间的相关性,未考虑未标注标签与标注标签之间的关系对标签集质量的影响.受K近邻的启发,文中提出近邻标签空间的非平衡化标签补全算法(Ne LC-NLS),旨在充分利用近邻空间中元素的相关性,提升近邻标签空间的质量,从而提升多标签分类性能.首先利用标签之间的信息熵衡量标签之间关系的强弱,获得基础标签置信度矩阵.然后利用提出的非平衡标签置信度矩阵计算方法,获得包含更多信息的非平衡标签置信度矩阵.继而度量样本在特征空间中的相似度,得到k个近邻标签空间样本,并利用非平衡标签置信度矩阵计算得到近邻标签空间的标签补全矩阵.最后利用极限学习机作为线性分类器进行分类.在公开的8个基准多标签数据集上的实验表明,Ne LC-NLS具有一定优势,使用假设检验和稳定性分析进一步说明算法的有效性.
关键词
多标签学习
标签相关性
信息熵
标签补全
极限学习机
Keywords
Multi-
label
Learning
label
Correlations
Information
Entropy
label
completion
Extreme
Learning
Machine
分类号
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
一种基于图卷积网络的文本多标签学习方法
被引量：
4
2
作者
刘晓玲
刘柏嵩
王洋洋
机构
宁波大学信息科学与工程学院
出处
《小型微型计算机系统》
CSCD
北大核心
2021年第3期531-535,共5页
基金
国家社会科学基金项目(15FTQ002)资助
浙江省部级实验室/开放基金项目(B2014)资助。
文摘
多标签学习广泛应用于文本分类、标签推荐、主题标注等.最近,基于深度学习技术的多标签学习受到广泛关注,针对如何在多标签学习中有效挖掘并利用高阶标签关系的问题,提出一种基于图卷积网络探究标签高阶关系的模型TMLLGCN.该模型采用GCN的映射函数从数据驱动的标签表示中生成对象分类器挖掘标签高阶关系.首先,采用深度学习方法提取文本特征,然后以数据驱动方式获得基础标签关联表示矩阵,为更好地建模高阶关系及提高模型效果,在基础标签关联表示矩阵上考虑未标记标签集对已知标签集的影响进行标签补全,并以此相关性矩阵指导GCN中标签节点之间的信息传播,最后将提取的文本特征应用到学习高阶标签关系的图卷积网络分类器进行端到端训练,综合标签关联和特征信息作为最终的预测结果.在实际多标签数据集上的实验结果表明,提出的模型能够有效建模标签高阶关系且提升了多标签学习的效果.
关键词
多标签学习
标签关联
标签补全
深度学习
图卷积网络
Keywords
multi-
label
learning
label
correlations
label
completion
deep
learning
graph
convolutional
networks
分类号
TP391 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
非平衡化标签补全核极限学习机多标签学习
被引量：
3
3
作者
程玉胜
赵大卫
王一宾
裴根生
机构
安庆师范大学计算机与信息学院
安徽省高校智能感知与计算重点实验室
出处
《电子学报》
EI
CAS
CSCD
北大核心
2019年第3期719-725,共7页
基金
安徽省高校重点自然科学基金项目(No.KJ2017A352)
安徽省高校重点实验室基金项目(No.ACAIM160102)
文摘
目前众多的研究者通常直接将标签置信度矩阵作为先验知识直接加入到分类模型中,并没有考虑未标注先验知识对标签集质量的影响.基于此,引入非平衡参数的方法,将先验知识获得的基础置信度矩阵进行非平衡化,从而提出一种非平衡化的标签补全的核极限学习机多标签学习算法(KELM-NeLC):首先使用信息熵计算标签之间的相关关系得到标签置信度矩阵,然后利用非平衡参数方法对基础的标签置信度矩阵进行改进,构建出一个非平衡的标签补全矩阵,最后为了学习获得更加准确的标签置信度矩阵,将非平衡化的标签补全矩阵与核极限学习机进行联合学习,依此解决多标签分类问题.提出的算法在公开的多个基准多标签数据集中的实验结果表明,KELM-NeLC算法较其他对比的多标签学习算法有一定优势,使用统计假设检验进一步说明所提出算法的有效性.
关键词
机器学习
多标签学习
标签相关性
信息熵
标签补全
极限学习机
Keywords
machine
learning
multi-
label
learning
label
correlations
information
entropy
label
completion
extreme
learning
machine
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于补全矩阵的多标签相关性情感分类
被引量：
1
4
作者
许莉莉
高俊波
李胜宇
机构
上海海事大学信息工程学院
出处
《计算机系统应用》
2017年第1期175-180,共6页
文摘
目前,对新闻情感分类问题的研究大部分是从新闻作者的角度进行的,而对读者反馈的真实情感分析的较少.本文从读者角度入手进行情感分析研究.提出一种基于补全矩阵的多标签相关性情感分类模型,采用LDA提取主题表示新闻文本,然后通过使用标签相关性矩阵对原始的标签矩阵进行补全,构造了一个增强的补全标签矩阵模型(CM-LDA).最后通过和原始矩阵的LDA模型进行比较,该模型使最终的多标签分类性能有了明显的提高,准确率达到了85.72%.
关键词
社会新闻
情感分析
标签相关性
补全矩阵-LDA(CM-LDA)
多标签分类
Keywords
social
news
sentiment
analysis
label
correlation
completion
matrix-LDA（CM-LDA）
multi-
label
classification
分类号
TP391.1 [自动化与计算机技术—计算机应用技术]
下载PDF
职称材料
题名
利用辅助信息进行矩阵补全的核方法及其在多标记学习中的应用
被引量：
1
5
作者
徐淼
周志华
机构
南京大学计算机软件新技术国家重点实验室
软件新技术与产业化协同创新中心
出处
《中国科学：信息科学》
CSCD
北大核心
2018年第1期47-59,共13页
基金
国家自然科学基金(批准号:61333014)资助项目
文摘
现实机器学习任务中一个样本通常和多个标记相关,但获取完整的标记信息需耗费大量人力物力,因此多标记学习经常会遇到标记缺失的情况.将未缺失的标记看作不完全的标记矩阵,将样本特征作为辅助信息,则可通过矩阵补全方法来解决该问题,以往研究主要针对线性可分情形,本文提出KernelMaxide方法,在处理线性不可分多标记数据中缺失的监督信息的同时,不仅能利用数据的非线性结构,还能考虑标记之间的相互关系.该方法依据矩阵核范数的表示定理,构建了基于核矩阵的核范数最小化优化目标以及相应的优化算法,并用Nystrm方法缓解核矩阵的存储和计算开销问题.实验显示出KernelMaxide的优越性能.
关键词
机器学习
多标记学习
矩阵补全
核方法
Nystrm方法
Keywords
machine
learning,
multi-
label
learning,
matrix
completion
,
kernel
method,
NystrSm
method
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
原文传递
题名
作者
出处
发文年
被引量
操作
1
近邻标签空间非平衡化标签补全的多标签学习
程玉胜
赵大卫
钱坤
《模式识别与人工智能》
EI
CSCD
北大核心
2018
4
下载PDF
职称材料
2
一种基于图卷积网络的文本多标签学习方法
刘晓玲
刘柏嵩
王洋洋
《小型微型计算机系统》
CSCD
北大核心
2021
4
下载PDF
职称材料
3
非平衡化标签补全核极限学习机多标签学习
程玉胜
赵大卫
王一宾
裴根生
《电子学报》
EI
CAS
CSCD
北大核心
2019
3
下载PDF
职称材料
4
基于补全矩阵的多标签相关性情感分类
许莉莉
高俊波
李胜宇
《计算机系统应用》
2017
1
下载PDF
职称材料
5
利用辅助信息进行矩阵补全的核方法及其在多标记学习中的应用
徐淼
周志华
《中国科学：信息科学》
CSCD
北大核心
2018
1
原文传递
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
