公开(公告)号：CN117992835A

公开(公告)日：2024-05-07

申请号：CN202410399836.7

申请日：2024-04-03

Applicant: 安徽大学

Inventor： 赵鹏 ,  陶天哲 ,  韩莉 ,  杨为民

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/22 ,  G06F18/214

Abstract: 本发明是一种多策略标签消歧的偏多标签分类方法、设备及存储介质，所述方法步骤为：构建偏多标签数据集，包含样本特征数据集和候选标签数据集；使用嵌入网络生成的样本嵌入特征，用于计算标签原型；通过多策略标签消歧操作，排除候选标签集中的噪声标签并计算每个样本中的高置信度标签；使用消歧后的标签置信度重新计算并更新标签原型，并将更新后的标签原型与样本嵌入特征共同用于训练嵌入网络；通过度量嵌入网络生成的测试样本特征与各个标签原型之间的相似度来进行分类。本发明可减少噪声信息的影响，增强模型在未知数据上的泛化能力，从而提升偏多标签分类性能。

公开(公告)号：CN117992835B

公开(公告)日：2024-06-21

申请号：CN202410399836.7

申请日：2024-04-03

Applicant: 安徽大学

Inventor： 赵鹏 ,  陶天哲 ,  韩莉 ,  杨为民

IPC: G06F18/24 ,  G06F18/10 ,  G06F18/22 ,  G06F18/214

Abstract: 本发明是一种多策略标签消歧的偏多标签分类方法、设备及存储介质，所述方法步骤为：构建偏多标签数据集，包含样本特征数据集和候选标签数据集；使用嵌入网络生成的样本嵌入特征，用于计算标签原型；通过多策略标签消歧操作，排除候选标签集中的噪声标签并计算每个样本中的高置信度标签；使用消歧后的标签置信度重新计算并更新标签原型，并将更新后的标签原型与样本嵌入特征共同用于训练嵌入网络；通过度量嵌入网络生成的测试样本特征与各个标签原型之间的相似度来进行分类。本发明可减少噪声信息的影响，增强模型在未知数据上的泛化能力，从而提升偏多标签分类性能。