基于标签相似度的不良信息多标签分类方法 (2016年)
需积分: 3 201 浏览量
2021-04-29
00:38:50
上传
评论 1
收藏 1012KB PDF 举报
收稿日期：２０１４１２１７；修回日期：２０１５０２０３ 基金项目：国家自然科学基金资助项目（８１３６０２３０）；国家科技部科技型中小企业技术创
新基金资助项目（１３Ｃ２６２１５３０５４０４）
作者简介：刘卓然 （１９８９），男，硕士研究生，主要研究方向为机器学习、自然语言处理；胡杨（１９９１），男，江苏南通人，硕士研究生，主要研究
方向为机器学习、信息检索；刘骊（１９７９），女，讲师，博士，主要研究方向为机器学习、嵌入式技术、计算机图形处理；冯旭鹏（１９８６），男，硕士，主要
研究方向为信息检索；刘利军（１９７８），男，讲师，硕士，主要研究方向为医疗信息服务；黄青松（１９６２），男（通信作者），教授，主要研究方向为智能
信息系统（ｙｎｋｍｈｑｓ＠ｓｉｎａ．ｃｏｍ）．
基于标签相似度的不良信息多标签分类方法
刘卓然
１ａ
，胡 杨
１ａ
，刘 骊
１ａ
，冯旭鹏
１ｂ
，刘利军
１ａ
，黄青松
１ａ，２
（１．昆明理工大学 ａ．信息工程与自动化学院；ｂ．教育技术与网络中心，昆明 ６５０５００；２．云南省计算机技术应用
重点实验室，昆明 ６５０５００）
摘 要：在多标记分类中，标签与标签之间的相关关系是影响分类效果的一个重要因子。传统的经典多标签分
类方法如 ＢＲ算法、ＭＬＫＮＮ算法等，忽略了标签之间的相关关系对实际分类的影响，分类效果一直不能令人满
意；面对类别关联度极高的不良信息的多标签分类，分类效果更是大打折扣。针对上述问题，通过改进经典的多
标签分类算法 ＲＡｋＥＬ，首先根据训练文本计算出各标签之间的相似度系数，然后再根据自定义不良信息层次关
系计算出综合标签相似度系数矩阵，最后在
ＲＡｋＥＬ算法投票过程中根据综合标签相似度与中心标签重新确定
最终的结果标签集合。与传统的分类方法在真实的语料库上进行多标签分类效果对比，结果证明，该方法对不
良信息分类具有较好的效果。
关键词：多标签分类；标签之间的相关关系；不良信息；中心标签；标签相似度系数矩阵
中图分类号：ＴＰ３９１．４３ 文献标志码：Ａ 文章编号：１００１３６９５（２０１６）０４０９８９０４
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００１３６９５．２０１６．０４．００６
Ｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｏｆ
ｂａｄｉｎｆｏｒｍａｔｉｏｎｂａｓｅｄｏｎｌａｂｅｌｓｉｍｉｌａｒｉｔｙ
ＬｉｕＺｈｕｏｒａｎ
１ａ
，ＨｕＹａｎｇ
１ａ
，ＬｉｕＬｉ
１ａ
，ＦｅｎｇＸｕｐｅｎｇ
１ｂ
，ＬｉｕＬｉｊｕｎ
１ａ
，ＨｕａｎｇＱｉｎｇｓｏｎｇ
１ａ，２
（１．ａ．ＦａｃｕｌｔｙｏｆＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ＆Ａｕｔｏｍａｔｉｏｎ，ｂ．ＥｄｕｃａｔｉｏｎａｌＴｅｃｈｎｏｌｏｇｙ＆ＮｅｔｗｏｒｋＣｅｎｔｅｒ，ＫｕｎｍｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＳｃｉｅｎｃｅ＆Ｔｅｃｈ
ｎｏｌｏｇｙ，Ｋｕｎｍｉｎｇ６５０５００，Ｃｈｉｎａ；２．ＹｕｎｎａｎＫｅｙＬａｂｏｒａｔｏｒｙｏｆＣｏｍｐｕｔｅｒＴｅｃｈｎｏｌｏｇｙＡｐｐｌｉｃａｔｉｏｎｓ，Ｋｕｎｍｉｎｇ６５０５００，Ｃｈｉｎａ）
Ａｂｓｔｒａｃｔ：Ｉｎｔｈｅｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎ，ｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｔｈｅｌａｂｅｌｓｐｌａｙｓａｎｉｍｐｏｒｔａｎｔｒｏｌｅｉｎａｆｆｅｃｔｉｎｇｔｈｅｐｅｒｆｏｒｍ
ａｎｃｅｏｆｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅｔｒａｄｉｔｉｏｎａｌｍｅｔｈｏｄｓｏｆｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎｈａｎｄｌｅｄｅａｃｈｌａｂｅｌｉｎｄｅｐｅｎｄｅｎｔｌｙ，ｉｇｎｏｒｅｄｔｈｅｉｎｆｌｕ
ｅｎｃｅｏｆｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｌａｂｅｌｓ，ｓｏｔｈａｔｔｈｅｅｆｆｅｃｔｏｆｔｈｅｃｌａｓｓｉｆｉｃａｔｉｏｎｗａｓｏｆｔｅｎｎｏｔｓａｔｉｓｆａｃｔｏｒｙ，ｅｓｐｅｃｉａｌｌｙｉｎｔｈｅｓｉｔｕａ
ｔｉｏｎｏｆｄｅａｌｉｎｇｗｉｔｈｔｈｅｂａｄｉｎｆｏｒｍａｔｉｏｎ．Ａｉｍｉｎｇａｔｔｈｅｓｅｐｒｏｂｌｅｍｓａｂｏｖｅ，ｔｈｉｓｐａｐｅｒｐｒｅｓｅｎｔｅｄａｍｏｄｉｆｉｅｄａｌｇｏｒｉｔｈｍｂａｓｅｄｏｎ
ｔｈｅＲＡ
ｋＥＬ，ａｃｌａｓｓｉｃａｌｇｏｒｉｔｈｍｓｆｏｒｔｈｅｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎ．Ｔｈｅａｌｇｏｒｉｔｈｍｆｉｒｓｔｌｙｗｏｒｋｅｄｏｕｔｔｈｅｓｉｍｉｌａｒｉｔｙｃｏｅｆｆｉｃｉｅｎｔｂｅ
ｔｗｅｅｎｌａｂｅｌｓ，ａｎｄｔｈｅｎｃａｌｃｕｌａｔｅｄｔｈｅｓｉｍｉｌａｒｉｔｙｃｏｅｆｆｉｃｉｅｎｔｍａｔｒｉｘｂｅｔｗｅｅｎｌａｂｅｌｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｈｉｅｒａｒｃｈｙｃｈａｒｔｆｏｒｔｈｅｂａｄ
ｉｎｆｏｒｍａｔｉｏｎ．Ｆｉｎａｌｌｙ，ｉｎｔｈｅｖｏｔｉｎｇｐｒｏｃｅｓｓｏｆＲＡｋＥＬ，ｉｔｆｉｇｕｒｅｄｏｕｔｔｈｅｒｅｓｕｌｔｓｅｔｗｉｔｈｔｈｅｓｉｍｉｌａｒｉｔｙｃｏｅｆｆｉｃｉｅｎｔｍａｔｒｉｘ．Ｅｘｐｅｒｉ
ｍｅｎｔａｌｒｅｓｕｌｔｓｏｎｔｈｅｒｅａｌｃｏｒｐｕｓｉｎｖｏｌｖｉｎｇｂａｄｉｎｆｏｒｍａｔｉｏｎｓｈｏｗｔｈａｔｔｈｅｐｒｏｐｏｓｅｄｍｅｔｈｏｄｃａｎａｃｈｉｅｖｅｂｅｔｔｅｒｐｅｒｆｏｒｍａｎｃｅｃｏｍ
ｐａｒｅｄｔｏｔｒａｄｉｔｉｏｎａｌｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎｍｅｔｈｏｄｓ．
Ｋｅｙｗｏｒｄｓ：ｍｕｌｔｉｌａｂｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎ；ｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｌａｂｌｅｓ；ｂａｄｉｎｆｏｒｍａｔｉｏｎ；ｓｉｍｉｌａｒｉｔｙｃｏｅｆｆｉｃｉｅｎｔ；ｓｉｍｉｌａｒｉｔｙｃｏｅｆｆｉ
ｃｉｅｎｔｍａｔｒｉｘｂｅｔｗｅｅｎｌａｂｌｅｓ
０ 引言
数据分类是数据挖掘的一个重要研究方向，一直以来，数
据分类问题和方法受到了人们的广泛关注和研究
［１］
。对于多
标签分类问题，目前主要的解决途径分为问题转换和算法适应
两种
［２～４］
。问题转换的基本思想是通过对多标签训练样本进
行处理，将多标签分类问题转换为其他已知的学习问题求解；
算法适应是通过对常用的监督学习算法进行改进，将其直接用
于多标签分类。ＢＲ（ｂｉｎａｒｙｒｅｌｅｖａｎｃｅ）
［２］
方法是将多标记学习
问题转换为若干个独立的二分类学习问题，它把每一个标签的
预测视为一个独立的单分类问题，并为每一个标签训练一个独
立的分类器，用全部的训练数据对每个分类器进行训练。这种
方法简便易行，但忽略了标签之间的相互关系，如果直接将其
运用在不良信息分类上，预测结果也往往难以令人满意。
ＭＬ
ＫＮＮ
［５］
算法以及对其改进的基于粒计算的 Ｋ近邻算法
［６］
是一
种简单且非常有效的解决多标签问题的方法，它利用最大化后
验原则来确定待预测样本的标签集。然而，它仅针对每一个独
立标签来统计其在近邻中被包含的数量，忽略了各个标签之间
可能存在的相关性。ＬＰ（ｌａｂｅｌｐｏｗｅｒｓｅｔ）
［１］
方法是一种简单有
效的多标签分类方法，它的基本思想是将训练集中对象所属的
标签集合作为一个新的标签，从而将多标签分类问题转换为一
第 ３３卷第 ４期
２０１６年 ４月
计 算 机 应 用 研 究
ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓ
Ｖｏｌ．３３Ｎｏ．４
Ａｐｒ．２０１６
资源评论
