PLRank:标签排名的概率模型

PLRank：用于标签排名的R包 PLRank概述 PLRank是通用功能的集合，这些功能提供了一组灵活的工具，可用于根据Plackett-Luce模型应用各种标签排名方法。 PLRank在我的硕士论文“”中开发了评估方法，数据集和新算法，由的和。 PLRank中的标签排名数据集由具有多个二进制目标变量的目标函数的训练示例组成。 换句话说，标签排名数据集的每个项目都由许多标签（类）标注。 这是许多现实世界中问题的本质，例如网页分类，音乐分类，直接营销等。PLRank的典型使用场景将涉及机器学习研究人员基于一个或多个标签排名学习算法进行实证评估。在一个或多个标签排名数据集上，机器学习从业人员使用训练数据集构建标签排名模型，然后将其应用于新的（未标签）数据集，以获得预测。 当前，PLRank包括用于执行主要标签排名任务和数据集样本的算法： 标签排名数据集，由马尔堡菲利普斯大学主持的数据存储