一种基于条件依赖标签集的多标签主动学习方法技术

本发明专利技术公开了一种基于条件依赖标签集的多标签主动学习方法，首先在弱标记条件下挖掘出各标签的条件依赖标签集。每次迭代时，在条件依赖标签集的基础上，计算当前未标记样本池中各样本‑标签对的信息熵和相对熵，然后整合信息熵和相对熵得到每个样本‑标签对的信息量，最后筛选出信息量最大的样本‑标签对作为本次迭代用于训练主动学习模型的输入对象。通过实验表明，该主动学习方法相对于其他弱标记条件下挖掘标签间关系的方法具有良好的泛化性能。

【技术实现步骤摘要】
一种基于条件依赖标签集的多标签主动学习方法
本专利技术涉及多标签主动学习
，特别是涉及一种基于条件依赖标签集的多标签主动学习方法。
技术介绍
随着计算机的快速发展，多标签图像分类的研究已经成为相关领域研究的热点，在学术界和企业界受到越来越多的关注。多标签主动学习方法的作用是处理多标签图像的分类问题，即通过学习得到一个分类器，该分类器能够根据图像的内容为图像分配多个相关的标签。目前，多标签主动学习领域的研究主流是针对基于“样本-标签对”的多标签主动学习方法的研究。因为相比较基于“样本”的多标签主动学习方法，基于“样本-标签对”的多标签主动学习方法不仅能更大程度上提升主动学习效率，降低训练集空间的样本冗余，也能最大程度上降低人工标记的代价，因此基于“样本-标签对”的多标签主动学习方法逐渐成为研究的热点之一。但是，所有的基于“样本-标签对”的多标签主动学习方法都不可避免地面临着“弱标记”问题和标签间依赖关系丢失问题，即随着主动学习过程的不断迭代，训练样本中存在着大量不完全标记的样本，而这些不完全标记的样本，从一定程度上对标签关系的挖掘存在着重要的影响。而已有研究表明标签关系在很大程度上影响着多标签主动学习的采样策略，进而影响主动学习结果。因此，如何解决基于“样本-标签对”的多标签主动学习方法过程中遇到的样本“弱标记”问题，或者如何在“弱标记”条件下挖掘并利用标签关系是本领域技术人员亟待解决的问题。
技术实现思路
本专利技术的目的是提供一种基于条件依赖标签集的多标签主动学习方法，用于解决基于“样本-标签对”的多标签主动学习方法过程中遇到的样本“弱标记”问题，或者在“弱标记”条件下挖掘并利用标签关系以进行主动学习。为解决上述技术问题，本专利技术提供一种基于条件依赖标签集的多标签主动学习方法，包括：获取原始样本对应的标签集合，计算所述标签集合中各标签与其余标签的依赖结果以得到各标签对应的条件依赖标签集；计算各样本-标签对对应的信息熵，并利用所述条件依赖标签集计算各样本-标签对的相对熵；整合各所述信息熵和各所述相对熵得到对应的各样本-标签对的信息量；筛选出信息量最大的样本-标签对作为预先建立的主动学习模型的输入对象，并进行主动学习。优选地，所述计算所述标签集合中各标签与其余标签的依赖结果以得到各标签对应的条件依赖标签集具体包括：在所述标签集合中按照预处理规则筛选出存在依赖关系的各对标签；分别为各对标签构建多个基于概率分布的二类分类器模型；在所述标签集合上进行k次交叉验证，分别获取各所述二类分类器模型与对应的标签的k次平均分类准确率；按照T-检验计算各标签得到的所述k次分均分类准确率的T-检验值，并将各标签间的最大的T-检验值作为所述依赖结果；其中，若所述依赖结果大于0，则当前两个标签存在条件依赖关系。优选地，所述二类分类器模型的数量为四个。优选地，所述信息熵具体通过当前分类器模型对当前样本-标签对的预测概率值得到。优选地，所述相对熵具体通过KL散度方式得到。本专利技术所提供的基于条件依赖标签集的多标签主动学习方法，首先挖掘出弱标记条件下的各标签的条件依赖标签集，并在条件依赖标签集的基础上，计算各样本-标签对的信息熵和相对熵，然后整合信息熵和相对熵之后得到对应的各样本-标签对的信息量，最后筛选出信息量最大的样本-标签对作为主动学习模型的输入对象。通过实验表明，该主动学习方法相对于其他弱标记条件下挖掘标签间关系的方法具有良好的泛化性能。附图说明为了更清楚地说明本专利技术实施例，下面将对实施例中所需要使用的附图做简单的介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1为本专利技术实施例提供的一种基于条件依赖标签集的多标签主动学习方法的流程图；图2为本专利技术实施例提供的一种弱标记条件下的各对标签的条件依赖关系的挖掘示意图；图3为本专利技术实施例提供的在数据集flags上的Accuracy的对比图；图4为本专利技术实施例提供的在数据集scene上的Accuracy的对比图；图5为本专利技术实施例提供的在数据集NUS_WIDE上的Accuracy的对比图；图6为本专利技术实施例提供的在数据集corel5k上的Macro-F1的对比图；图7为本专利技术实施例提供的在数据集yeast上的Macro-F1的对比图；图8为本专利技术实施例提供的在数据集emotions上的Macro-F1的对比图；图9为本专利技术实施例提供的在数据集flags上的Macro-F1的对比图；图10为本专利技术实施例提供的在数据集scene上的Macro-F1的对比图；图11为本专利技术实施例提供的在数据集NUS_WIDE上的Macro-F1的对比图；图12为本专利技术实施例提供的在数据集corel5k上的Macro-F1的对比图；图13为本专利技术实施例提供的在数据集yeast上的Macro-F1的对比图；图14为本专利技术实施例提供的在数据集emotions上的Macro-F1的对比图；图15为本专利技术实施例提供的在数据集flags上的Micro-F1的对比图；图16为本专利技术实施例提供的在数据集scene上的Micro-F1的对比图；图17为本专利技术实施例提供的在数据集NUS_WIDE上的Micro-F1的对比图；图18为本专利技术实施例提供的在数据集corel5k上的Micro-F1的对比图；图19为本专利技术实施例提供的在数据集yeast上的Micro-F1的对比图；图20为本专利技术实施例提供的在数据集emotions上的Micro-F1的对比图。具体实施方式下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下，所获得的所有其他实施例，都属于本专利技术保护范围。本专利技术的核心是提供一种基于条件依赖标签集的多标签主动学习方法，用于解决基于“样本-标签对”的多标签主动学习方法过程中遇到的样本“弱标记”问题，或者在“弱标记”条件下挖掘并利用标签关系以进行主动学习。为了使本
的人员更好地理解本专利技术方案，下面结合附图和具体实施方式对本专利技术作进一步的详细说明。需要说明的是，本专利技术中提到的“弱标记”是指对于一个样本来说，其已被标记的标签数量小于总的标签数量。例如，当前标签集合中包含3个标签，分别是标签1、标签2和标签3，那对于样本1来说，也可能含有这3个标签。但是分类后，样本1中只有标签1和标签2被标记，而标签3未被标记，则样本1存在弱标记问题。图1为本专利技术实施例提供的一种基于条件依赖标签集的多标签主动学习方法的流程图。如图1所示，该方法包括：S10：获取原始样本对应的标签集合，计算所述标签集合中各标签与其余标签的依赖结果以得到各标签对应的条件依赖标签集。S11：计算各样本-标签对对应的信息熵，并利用所述条件依赖标签集计算各样本-标签对的相对熵。S12：整合各所述信息熵和各所述相对熵得到对应的各样本-标签对的信息量。S13：筛选出信息量最大的样本-标签对作为预先建立的主动学习模型的输入对象，并进行主动学习。需要说明的是，本专利技术所要解决的主要问题是如何为主动学习模型选择较好的输本文档来自技高网...

【技术保护点】
一种基于条件依赖标签集的多标签主动学习方法，其特征在于，包括：获取原始样本对应的标签集合，计算所述标签集合中各标签与其余标签的依赖结果以得到各标签对应的条件依赖标签集；计算各样本‑标签对对应的信息熵，并利用所述条件依赖标签集计算各样本‑标签对的相对熵；整合各所述信息熵和各所述相对熵得到对应的各样本‑标签对的信息量；筛选出信息量最大的样本‑标签对作为预先建立的主动学习模型的输入对象，并进行主动学习。

【技术特征摘要】
1.一种基于条件依赖标签集的多标签主动学习方法，其特征在于，包括：获取原始样本对应的标签集合，计算所述标签集合中各标签与其余标签的依赖结果以得到各标签对应的条件依赖标签集；计算各样本-标签对对应的信息熵，并利用所述条件依赖标签集计算各样本-标签对的相对熵；整合各所述信息熵和各所述相对熵得到对应的各样本-标签对的信息量；筛选出信息量最大的样本-标签对作为预先建立的主动学习模型的输入对象，并进行主动学习。2.根据权利要求1所述的基于条件依赖标签集的多标签主动学习方法，其特征在于，所述计算所述标签集合中各标签与其余标签的依赖结果以得到各标签对应的条件依赖标签集具体包括：在所述标签集合中按照预处理规则筛选出存在依赖关系的各对标签；分别为各对标签构建多个基于...

【专利技术属性】
技术研发人员：吴健，张宇，徐在俊，
申请(专利权)人：苏州融希信息科技有限公司，
类型：发明
国别省市：江苏,32