[发明专利]一种提高多标记分布学习的预测准确性的方法和装置

权利要求书

1.一种提高多标记分布学习的预测准确性的方法，其特征在于，包括以下步骤：

在目标函数中加入带有超参数的对数函数，并通过训练得到预测效果最好的超参数；

对基于所述预测效果最好的超参数改进后的目标函数进行优化，并基于优化后得到目标函数形成预测模型；

响应于获取到一组标记的数据，计算所述标记的平均值，并基于所述平均值判断所述标记是否具有稀疏性；以及

响应于所述标记具有稀疏性，使用所述预测模型对所述数据进行预测。

2.根据权利要求1所述的方法，其特征在于，所述基于所述平均值判断所述标记是否具有稀疏性包括：

判断所述标记中的最大值和最小值的差值是否大于所述平均值的第一数值倍。

3.根据权利要求1所述的方法，其特征在于，所述基于所述平均值判断所述标记是否具有稀疏性包括：

判断所述标记的总和是否等于一；以及

响应于所述标记的总和不等于一，将所述标记进行转换以使得所述标记的总和等于一。

4.根据权利要求1所述的方法，其特征在于，所述在目标函数中加入带有超参数的对数函数包括：

赋予所述超参数初始值以平衡所述目标函数的散度和所述对数函数。

5.根据权利要求1所述的方法，其特征在于，所述通过训练得到预测效果最好的超参数包括：

根据训练集中每一组数据得到一个对应的超参数，使用测试集对每个所述超参数进行测试，选择其中预测性能最好的超参数。

6.根据权利要求1所述的方法，其特征在于，所述通过训练得到预测效果最好的超参数包括：

根据训练集学习得出数据与所述数据的标记之间的条件概率。

7.根据权利要求1所述的方法，其特征在于，所述对基于所述预测效果最好的超参数改进后的目标函数进行优化，并基于优化后得到目标函数形成预测模型包括：

将最大熵模型加入到所述改进后的目标函数中以形成预测模型。

8.一种提高多标记分布学习的预测准确性的系统，其特征在于，包括：

新增模块，配置用于在目标函数中加入带有超参数的对数函数，并通过训练得到预测效果最好的超参数；

优化模块，配置用于对基于所述预测效果最好的超参数改进后的目标函数进行优化，并基于优化后得到目标函数形成预测模型；

判断模块，配置用于响应于获取到一组标记的数据，计算所述标记的平均值，并基于所述平均值判断所述标记是否具有稀疏性；以及

预测模块，配置用于响应于所述标记具有稀疏性，使用所述预测模型对所述数据进行预测。

9.一种计算机设备，其特征在于，包括：

至少一个处理器；以及

存储器，所述存储器存储有可在所述处理器上运行的计算机指令，所述指令由所述处理器执行时实现权利要求1-7任意一项所述方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-7任意一项所述方法的步骤。