本发明提供的基于匹配学习的多标签分类学习方法,首先对客户端数据进行特征值计算,得到训练集;设定训练集中的正负标签;然后计算训练集中特征集合的嵌入式表征E;计算正标签的嵌入式表征Z+和负标签的嵌入式表征Z‑;接着对E和Z+作损失计算,对E与Z‑作损失计算;依据正负损失值,采用梯度下降算法对训练集进行模型训练;当训练模型的损失值不再下降时,训练结束,否则再次训练;最后采用测试集测试该训练模型。本发明考虑了长尾标签对传统极大规模多标签分类模型学习的不利影响,提出利用特征集合和标签集合的匹配学习方法。此外,为保证模型能够扩展到大规模数据集上,采用梯度下降算法的模型学习方式,既可保证模型并行化学习,还可支持模型在线增量学习。
声明:
“基于匹配学习的多标签分类学习方法” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)