[发明专利]基于标签相关性的多标签流特征确定最优特征子集的方法

说明书

本发明涉及一种基于标签相关性的多标签流特征确定最优特征子集的方法，其包括以下步骤：任意的新特征以流的形式依次流入模型；对每个新特征进行在线显著性分析；对非显著的特征进行在线相关性分析；对候选特征集中的特征进行冗余性分析；重复以上步骤，直至没有新的特征流入模型为止，最终获得一个最优特征子集。本发明能从具有流特征和多标签的数据中挖掘特征，并考虑标签之间的相关性以增加算法的预测性能，同时降低学习的时间复杂度，满足在线特征选择的时效性要求。本发明应用广泛，能应用于各种数据的特征选择任务中，有助于在提取特征时过滤掉对任务无用的特征信息，从而提升了相关工作的工作效率。

技术领域

本发明属于模式识别与数据挖掘领域，具体地提供一种基于标签相关性的多标签流特征确定最优特征子集的方法。

背景技术

随着计算机技术的普及和蓬勃发展，数据信息越来越复杂多变，如何从海量的数据信息中筛选有用的信息是大数据时代我们亟待解决的关键问题；特征选择作为一种通过剔除不相关特征和冗余特征来获得“最优特征子集”的特征降维技术，在大数据背景下受到了研究人员的广泛关注。

在复杂多变的数据中，一个实例可能不仅仅只是用一个标签来表示，它可能与多个标签相关联，例如，一个web垃圾邮件可以同时被标记为“欺诈”和“病毒”；同时，多标签数据中标签之间往往存在相互依赖、相互关联的关系，例如，如果一幅图像被标记为“草原”和“狮子”，那么它被标记为“非洲”的可能性很大；如何有效地发掘标签之间的相互关系，并将其应用到特征选择中，是特征选择算法提升性能的关键；同时，在大多数的情况下，数据的特征空间可能是未知的并且可能趋于无限大，随着时间的推移，特征依次流入，需要实时在线处理，因此对特征进行实时在线处理是非常必要的。

另外，多标签流特征选择已经渗入到医疗、通信、娱乐、气象等各个领域，涉及到我们生活和工作等各个方面；例如，YouTube上动态视频的自动标注、动态情感识别、实时气象监测、网络垃圾邮件的实时过滤、随需求不断变化的推荐系统等；然而，在上述具有多标签和流特征的应用场景中，考虑标签之间的相关性进行特征选择是一个巨大的挑战。

现有的一些方法采用每个标签获得的“最优特征子集”的并集作为最终选择的特征集来处理多标签问题，但是这样的方式会产生大量的冗余特征，从而导致预测性能下降。

传统的一些被广泛应用于特征选择的方法能有效地提高多标签数据的预测能力，但是这样的方法不能实时动态地处理流特征问题。

还有一些方法采用对特征权重进行排序的方法筛选特征，但是这样的方法会导致时间复杂度的增加，特别是在高维的特征空间中，因为它们几乎要对所有的特征进行排序。

另外，还有少数方法虽然能有效地处理多标签流特征数据的特征选择问题，但是它们往往忽略了标签之间相关性这个关键的因素；因此，如何有效地解决多标签流特征选择问题，并充分考虑标签之间相关性对算法性能的影响，在数据挖掘领域显得尤为重要。

发明内容

为了解决上述现有技术的不足，本发明提供一种基于标签相关性的多标签流特征确定最优特征子集的方法，能够同时解决多标签流特征数据的特征选择问题，同时考虑标签之间相关性从而进一步提升算法性能，有效地降低算法的时间复杂度，减少数据冗余性，提高相关工作效率。

具体地，本发明提供一种基于标签相关性的多标签流特征确定最优特征子集的方法，其包括以下步骤：

步骤S1、将多个标签定义为标签集L，其中l_j∈L，l_j为L中的第j个标签，0≤j≤m，m为标签的个数；

步骤S2、计算标签集L中每个标签的重要性权重LW(l_j)，其具体包括以下子步骤：