[发明专利]一种基于条件依赖标签集的多标签主动学习方法

权利要求书

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。

3.根据权利要求2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，所述二类分类器模型的数量为四个。

4.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。

5.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，所述相对熵具体通过KL散度方式得到。