[发明专利]一种基于标签关联性的分类方法及系统

权利要求书

1.一种基于标签关联性的分类方法，其特征在于，所述方法包括以下内容：

获取多标签数据样本集，并将多标签数据样本集转换成单标签数据集；

计算所述单标签数据集中所有样本的标签子集，构建基于所述标签子集的新的样本数据集；所述标签子集的计算包括：计算样本中所有特征的重要性，同时计算特征之间的相关性，并选出排序靠前的标签，构建标签子集；

将每个样本的标签子集放入到原来单标签数据集的样本中，得到新的单标签数据集；

基于新的单标签数据集构建单标签分类模型，然后统计每个样本在每个单标签分类模型中的标签，得出最终的多标签分类结果。

2.根据权利要求1所述的一种基于标签关联性的分类方法，其特征在于，

所述将多标签数据样本集转换成单标签数据集，包括：

将多标签数据样本集中的单个标签对应到每一个样本中，分解成与标签数量等同的数据子集。

3.根据权利要求1所述的一种基于标签关联性的分类方法，其特征在于，所述方法还包括：

对所述多标签数据样本集进行预处理，所述预处理包括：

对数据特征值缺失的样本进行删除处理，保留数据特征完整的样本，然后将多标签数据样本集随机划分为训练集和测试集。

4.根据权利要求1所述的一种基于标签关联性的分类方法，其特征在于，通过F-score公式计算各个特征的重要性，所述F-score公式为：

，

其中，F_i越大，该特征x_i的类辨能力越强。

5.根据权利要求4所述的一种基于标签关联性的分类方法，其特征在于，使用互信息计算特征之间的相关性，计算公式如下：

，

X表示特征变量，Y表示标签变量，p(x_i)和p(y_j)分别是变量X和Y的边缘概率，p(x_i,y_j)是X和Y的联合概率分布函数。

6.根据权利要求5所述的一种基于标签关联性的分类方法，其特征在于，通过计算F-score+MI(X,Y)排序在前50％的标签选择出来。

7.根据权利要求3所述的一种基于标签关联性的分类方法，其特征在于，训练集和测试集的比例为1:1。

8.根据权利要求1所述的一种基于标签关联性的分类方法，其特征在于，使用决策树算法构建单标签分类模型。

9.根据权利要求1所述的一种基于标签关联性的分类方法，其特征在于，所述多标签数据样本集中包含多个不同的标签，包含多个不同的特征。

10.一种基于标签关联性的分类系统，其特征在于，所述系统包括：

样本获取模块，用于获取多标签数据样本集，并将多标签数据样本集转换成单标签数据集；

标签子集计算模块，用于计算所述单标签数据集中所有样本的标签子集，构建基于所述标签子集的新的样本数据集；所述标签子集的计算包括：计算样本中所有特征的重要性，同时计算特征之间的相关性，并选出排序靠前的标签，构建标签子集；

样本重组模块，用于将每个样本的标签子集放入到原来的样本中，得到新的单标签数据集；

建模和分类模块，用于基于新的单标签数据集构建单标签分类模型，然后统计每个样本在每个单标签分类模型中的标签，得出最终的多标签分类结果。