面向不完整数据的个性化多标签分类
朱孟笑1
段昊辰1
岳昆2
周锋1
朱孟杰3
1.北方工业大学信息学院 北京 1001442.云南大学信息学院 昆明 6505003.济宁医学院医学信息工程学院 济宁 272067
摘要：近年来,随着机器学习、深度学习等技术的发展,多标签分类技术已趋于成熟.然而,现有多标签分类方法往往假设数据是易获取的完整数据,在真实场景中,该假设往往存在局限性,很多数据的获取往往需要一定的代价.为此,面向真实场景中的不完整数据,针对数据需有偿获取的特性,提出基于深度强化学习的个性化多标签分类框架(Reinforcement Learning based Personalized Multi-label Classification,RLPMC),包含特征编码器、特征选择器和多标签分类器三部分.首先,针对不完整数据存在缺失值的问题,设计基于集合编码的特征编码器将不定长的数据编码成定长的向量,输入到多标签分类器和特征选择器中;其次,设计基于深度强化学习的特征选择器学习个性化特征获取策略,平衡特征获取成本和分类准确性;然后,基于选择的特征,采用多标签分类方法实现准确的分类.最后,在合成和公开数据集上进行多组实验验证了方法的有效性.
关键词：多标签分类不完整数据特征获取策略深度强化学习特征编码
分类号：P413(大气探测（气象观测）)
资助基金：云南省智能系统与计算重点实验室项目(202405AV340009)北方工业大学毓秀创新项目(2024NCUTYXCX202)
论文发表日期：2025-08-20
在线出版日期：2025-12-12（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2057-2062,2088 )
英文信息