[发明专利]一种多标签分类方法及装置

说明书

技术领域

本发明涉及数据处理技术领域，特别涉及一种多标签分类方法及装置。

背景技术

在大数据挖掘领域，分类问题占有很大比例。在待分类对象具有明确的、单一的语义时，现有的分类算法已经比较成熟。然而，在很多分类问题中，一个样例可能同时具有多个不同的标签，这类问题称为多标签分类问题。例如，一个网页可能同时拥有多个主题，一篇专利可能归属于多个领域。

现有的多标签分类方法中，从标签的相关性出发处理多标签分类问题，将前面的单标签分类的结果添加到样例的属性中，为后面的多标签分类提供信息。

现有技术中，标签的信息是顺序传递的，前面的分类结果的好坏将对后面分类造成很大影响。而现有技术中并不能保证前面的分类结果的正确率，导致整个分类结果的正确率较低。

发明内容

有鉴于此，本发明提供了一种多标签分类方法及装置，能够提高多标签分类的正确率。

一方面，本发明提供了一种多标签分类方法，包括：

A1：对训练样本进行聚类，并根据聚类后每个训练样本对应的标签的划分正确率对标签进行排序；

A2：按照标签顺序对每个标签对应的分类器进行排序；

A3：通过排序后的分类器对待分类数据进行分类。

进一步地，所述A1，包括：

S1：根据训练样本的属性将所有训练样本聚类为第一类和第二类；

S2：分别计算未记录的每个标签对应的训练样本在第一类中的第一数量和在第二类中的第二数量，以及第一类中其他训练样本的第三数量和第二类中其他训练样本的第四数量；

S3：根据每个标签对应的第一数量、第二数量、第三数量和第四数量，计算每个标签的划分正确率；

S4：记录划分正确率最大的标签；

S5：判断未记录的标签的数量是否为1，如果是，则执行步骤S7，否则，执行步骤S6；

S6：将当前记录的标签添加到训练样本的属性中，返回S1；

S7：记录最后一个标签，按照记录的先后顺序给标签排序。

进一步地，所述S3，包括：

按照公式一计算每个标签的划分正确率，其中，公式一为：

c_i＝(|S_i0-t_i0|+|s_i1-t_i1|)/n×100％，c_i为标签i的划分正确率，s_i1为标签i对应的第一数量，t_i1为标签i对应的第二数量，s_i0为标签i对应的第三数量，t_i0为标签i对应的第四数量，n为样本的总量。

另一方面，本发明提供了一种多标签分类装置，包括：包括；

S1：根据训练样本的属性将所有训练样本聚类为第一类和第二类；

S2：分别计算未记录的每个标签对应的训练样本在第一类中的第一数量和在第二类中的第二数量，以及第一类中其他训练样本的第三数量和第二类中其他训练样本的第四数量；

S3：根据每个标签对应的第一数量、第二数量、第三数量和第四数量，计算每个标签的划分正确率；

S4：记录划分正确率最大的标签；

S5：判断未记录的标签的数量是否为1，如果是，则执行步骤S7，否则，执行步骤S6；

S6：将当前记录的标签添加到训练样本的属性中，返回S1；

S7：记录最后一个标签，按照记录的先后顺序给标签排序；

排序单元，用于对训练样本进行聚类，并根据聚类后每个训练样本对应的标签的划分正确率对标签进行排序；

训练单元，用于按照标签顺序对每个标签对应的分类器进行排序；

分类单元，用于通过排序后的分类器对待分类数据进行分类。

进一步地，所述排序单元，包括：

聚类子单元，用于根据训练样本的属性将所有训练样本聚类为第一类和第二类；

第一计算子单元，用于分别计算未记录的每个标签对应的训练样本在第一类中的第一数量和在第二类中的第二数量，以及第一类中其他训练样本的第三数量和第二类中其他训练样本的第四数量；

第二计算子单元，用于根据每个标签对应的第一数量、第二数量、第三数量和第四数量，计算每个标签的划分正确率；

记录子单元，用于记录划分正确率最大的标签；