[发明专利]一种基于非对称条件依赖的多标签主动学习方法

权利要求书

1.一种基于非对称条件依赖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非对称条件依赖关系以得到所述标签集合对应的非对称条件依赖矩阵；

对所述非对称条件依赖矩阵归一化处理得到对应的权重矩阵；

通过所述权重矩阵上的各元素计算各样本-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半监督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所述的基于非对称条件依赖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非对称条件依赖关系以得到所述标签集合对应的非对称条件依赖矩阵具体包括：

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-检验值以作为所述依赖结果将各所述依赖结果组成所述非对称条件依赖矩阵。

3.根据权利要求2所述的基于非对称条件依赖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所述的基于非对称条件依赖的多标签主动学习方法，其特征在于，所述权重矩阵具体通过计算所述非对称条件依赖矩阵中各标签与其余标签的影响权重得到；

其中，任意标签与自身标签的影响权重为1。

5.根据权利要求1所述的基于非对称条件依赖的多标签主动学习方法，其特征在于，所述信息量具体通过所述权重矩阵上的交叉标签的不确定性得到。