[发明专利]一种考虑了不均衡查询代价的多标签主动学习方法

权利要求书

1.一种考虑了不均衡查询代价的多标签主动学习方法，其特征在于，包括：

从数据集D中选取已标签数据集D_l来训练一个多标签分类模型，其中，数据集D为已标签数据集D_l与未标签数据集D_u的并集，数据集D＝{(x₁,y₁),(x₂,y₂),…,(x_n,y_n)}，n为实例的数量，实例x_i表示从文本数据中提取的一个d维的特征向量，每一维是一个实数，i＝1,2,…,n；y_i＝(y_i1y_i2…y_iK)^T表示实例x_i对应的标签，K表示标签的最大数量；

结合多标签分类模型使用初始阶段的策略，从未标签的数据集中选择一个实例-标签对进行查询，并将所选择的标签从相应实例的未知标签集合中删除；同时，如果所选择的实例属于未标签的数据子集则将相应实例移入已标签数据集D_l，否则将相应实例从移入其中，

在每K次查询后，均更新多标签分类模型；同时，利用更新后的多标签分类模型使用初始阶段的策略选择实例-标签对进行查询，当选取的实例-标签对达到一定数量时，使用稳定阶段的策略来选取实例-标签对，直至拥有足够数量的实例-标签对。

2.根据权利要求1所述的一种考虑了不均衡查询代价的多标签主动学习方法，其特征在于，所述多标签分类模型是为了最小化训练集的排序损失的凸替代，实例x_i中的第k个标签处，该多标签分类模型的定义为：

其中，f(.)表示标签分类模型，下标k表示的是标签的序号，f_k(x)为实例x_i中的第k个标签的分类模型，k＝1,...,K1，W₀是一个m×d阶矩阵，用于将特征向量从特征空间映射到一个共享子空间；w_k是一个m维向量，用于将共享子空间中的特征向量映射到第k个标签上；

对于一个实例x_i，引入一个哑标签y_i0，y_i0哑标签被看做第0个标签，该哑标签在实例x_i的正标签与负标签之间取值，其权重向量为w₀；

分别记Y_i⁺和Y_i^-为实例x_i的所有正标签与所有负标签的集合，记I[x]为指示函数，指示函数的定义是当命题x为真时，取值为1，否则为0；

则实例x_i与其正标签y_ij∈Y_i⁺的排序误差定义为：

其中，R(x_i,y_ij)表示排序在正标签y_ij之前的负标签数量；

则最小化所有实例的排序误差，表示为：

引入一个合页损失作为凸替代，则上式变为：

其中，|·|₊＝max(·,0)，f_l(x_i)、f_j(x_i)对应为实例x_i中的第l个、第k个标签的分类模型。