宋文廣 李程文 譚建平

摘 ? 要：傳統(tǒng)的圖數(shù)據(jù)分類(lèi)研究主要集中在單標(biāo)簽集，然而在很多應(yīng)用中，每個(gè)圖數(shù)據(jù)都會(huì)同時(shí)具有多個(gè)標(biāo)簽集。文章研究關(guān)于多標(biāo)簽圖數(shù)據(jù)分類(lèi)問(wèn)題，并提出基于半監(jiān)督的SVM多標(biāo)簽圖數(shù)據(jù)分類(lèi)算法。算法首先通過(guò)一對(duì)多二元分解將多標(biāo)簽圖數(shù)據(jù)分解成多個(gè)單標(biāo)簽圖數(shù)據(jù)。然后對(duì)分解后的圖數(shù)據(jù)，運(yùn)用半監(jiān)督SVM進(jìn)行分類(lèi)。通過(guò)實(shí)驗(yàn)證明，該方法在已標(biāo)注圖數(shù)據(jù)較少情況下具有較高的分類(lèi)精度。

關(guān)鍵詞：圖數(shù)據(jù);多標(biāo)簽;半監(jiān)督;自訓(xùn)練

單標(biāo)簽分類(lèi)（二分類(lèi)）是傳統(tǒng)分類(lèi)方法的主要研究方向，它是基于一幅圖只有一個(gè)標(biāo)簽的假設(shè)上。在現(xiàn)實(shí)場(chǎng)景中，所用到的圖數(shù)據(jù)一般都具有多個(gè)標(biāo)簽集[1-2]。

半監(jiān)督學(xué)習(xí)即利用大量無(wú)標(biāo)簽數(shù)據(jù)和少量有標(biāo)簽數(shù)據(jù)共同訓(xùn)練模型。但半監(jiān)督學(xué)習(xí)很難與監(jiān)督學(xué)習(xí)分類(lèi)性能相比，但從目前算法優(yōu)化發(fā)展來(lái)看，半監(jiān)督學(xué)習(xí)很有可能達(dá)到傳統(tǒng)分類(lèi)方法的性能。

1 ? ?基于半監(jiān)督的SVM分類(lèi)算法

2 ? ?實(shí)驗(yàn)

2.1 ?數(shù)據(jù)集

用一組化合物抗癌活性性能數(shù)據(jù)集作為實(shí)驗(yàn)用多標(biāo)簽數(shù)據(jù)集。該組數(shù)據(jù)包含了化合物對(duì)于10種癌癥的抗癌活性性能的記錄，將10種癌癥中記錄不完全的數(shù)據(jù)移除，得到812個(gè)被分配了10個(gè)標(biāo)簽的圖。

2.2 ?評(píng)估方法

多標(biāo)簽分類(lèi)比傳統(tǒng)單標(biāo)簽分類(lèi)問(wèn)題需要不同的實(shí)驗(yàn)結(jié)果評(píng)估標(biāo)準(zhǔn)。在這里采用Ranking Loss和Average Precision評(píng)估多標(biāo)簽[3-4]分類(lèi)性能。實(shí)驗(yàn)結(jié)果評(píng)估標(biāo)準(zhǔn)如下：

（1）Ranking Loss：評(píng)估分類(lèi)實(shí)際輸出值的性能，它的值由錯(cuò)誤預(yù)測(cè)的標(biāo)簽對(duì)的平均值計(jì)算得到的。

（2）平均準(zhǔn)確率：評(píng)估排列順序在特殊標(biāo)簽y之上的標(biāo)簽的平均值，把y設(shè)置為真實(shí)標(biāo)簽集。

2.3 ?實(shí)驗(yàn)設(shè)置

為了體現(xiàn)本文算法的有效性與實(shí)用性，采用以下對(duì)比方法進(jìn)行實(shí)驗(yàn)。

（1）單標(biāo)簽+SVM：這個(gè)方法采用單標(biāo)簽圖數(shù)據(jù)訓(xùn)練普通的SVM模型。

（2）多標(biāo)簽+SVM：這個(gè)方法采用多標(biāo)簽圖數(shù)據(jù)訓(xùn)練自適應(yīng)SVM模型。

2.4 ?實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)中，將每一個(gè)圖數(shù)據(jù)集平均分割成10個(gè)小數(shù)據(jù)集。在這些數(shù)據(jù)集中只采用其中的一個(gè)作為測(cè)試集，其他的9個(gè)作為訓(xùn)練集，每一組實(shí)驗(yàn)重復(fù)進(jìn)行10次。實(shí)驗(yàn)結(jié)果如圖1—2所示。圖1表示1-AvgPrec的實(shí)驗(yàn)結(jié)果，圖2表示Ranking Loss的實(shí)驗(yàn)結(jié)果。

如圖1—2所示，縱坐標(biāo)則分別表示1-AvgPrec值和Ranking Loss值，橫坐標(biāo)表示實(shí)驗(yàn)次數(shù)。由圖1—2可知，無(wú)論是Ranking Loss還是1-AvgPrec，文章提出的方法（MG+STSVM）輸出效果比（G+SVM）的輸出效果略好。

3 ? ?結(jié)語(yǔ)

本文采用半監(jiān)督SVM方法可以利用大量未標(biāo)注數(shù)據(jù)來(lái)幫助分類(lèi)模型的訓(xùn)練，從而挖掘出未標(biāo)注數(shù)據(jù)中可能含有的對(duì)分類(lèi)起重要作用的信息。進(jìn)而，在已標(biāo)注多標(biāo)簽圖數(shù)據(jù)比較少的情況下，得到不錯(cuò)的分類(lèi)器。在以后的研究工作中，將會(huì)繼續(xù)完善研究方法，并尋找提高目標(biāo)域子圖數(shù)量的算法。

[參考文獻(xiàn)]

[1]BRAVO MARQUEZ F，F(xiàn)RANK E，MOHAMMAD S M，et al.Determining word-emotion associations from tweets by multi-label classification[C].Nebraska：IEEE/WIC/ACM International Conference on Web Intelligence，2017.

[2]AGGARWAL C C，ZHAI C X.A survey of text classification algorithms[J].Springer US，2012（3）：163-222.

[3]SEBASTINAI F.Machine learning in automated text categorization[J].ACM Computing Surveys，2002（1）：1-47.

[4]YEH C K，WU W C，KO W J，et al.Learning deep latent spaces for multi-label classification[J]. 2017（7）：12-15.