宋文廣 李程文 譚建平

摘 ? 要：傳統的圖數據分類研究主要集中在單標簽集，然而在很多應用中，每個圖數據都會同時具有多個標簽集。文章研究關于多標簽圖數據分類問題，并提出基于半監督的SVM多標簽圖數據分類算法。算法首先通過一對多二元分解將多標簽圖數據分解成多個單標簽圖數據。然后對分解后的圖數據，運用半監督SVM進行分類。通過實驗證明，該方法在已標注圖數據較少情況下具有較高的分類精度。

關鍵詞：圖數據;多標簽;半監督;自訓練

單標簽分類(二分類)是傳統分類方法的主要研究方向，它是基于一幅圖只有一個標簽的假設上。在現實場景中，所用到的圖數據一般都具有多個標簽集[1-2]。

半監督學習即利用大量無標簽數據和少量有標簽數據共同訓練模型。但半監督學習很難與監督學習分類性能相比，但從目前算法優化發展來看，半監督學習很有可能達到傳統分類方法的性能。

1 ? ?基于半監督的SVM分類算法

2 ? ?實驗

2.1 ?數據集

用一組化合物抗癌活性性能數據集作為實驗用多標簽數據集。該組數據包含了化合物對于10種癌癥的抗癌活性性能的記錄，將10種癌癥中記錄不完全的數據移除，得到812個被分配了10個標簽的圖。

2.2 ?評估方法

多標簽分類比傳統單標簽分類問題需要不同的實驗結果評估標準。在這里采用Ranking Loss和Average Precision評估多標簽[3-4]分類性能。實驗結果評估標準如下：

(1)Ranking Loss：評估分類實際輸出值的性能，它的值由錯誤預測的標簽對的平均值計算得到的。

(2)平均準確率：評估排列順序在特殊標簽y之上的標簽的平均值，把y設置為真實標簽集。

2.3 ?實驗設置

為了體現本文算法的有效性與實用性，采用以下對比方法進行實驗。

(1)單標簽+SVM：這個方法采用單標簽圖數據訓練普通的SVM模型。

(2)多標簽+SVM：這個方法采用多標簽圖數據訓練自適應SVM模型。

2.4 ?實驗結果

實驗中，將每一個圖數據集平均分割成10個小數據集。在這些數據集中只采用其中的一個作為測試集，其他的9個作為訓練集，每一組實驗重復進行10次。實驗結果如圖1—2所示。圖1表示1-AvgPrec的實驗結果，圖2表示Ranking Loss的實驗結果。

如圖1—2所示，縱坐標則分別表示1-AvgPrec值和Ranking Loss值，橫坐標表示實驗次數。由圖1—2可知，無論是Ranking Loss還是1-AvgPrec，文章提出的方法(MG+STSVM)輸出效果比(G+SVM)的輸出效果略好。

3 ? ?結語

本文采用半監督SVM方法可以利用大量未標注數據來幫助分類模型的訓練，從而挖掘出未標注數據中可能含有的對分類起重要作用的信息。進而，在已標注多標簽圖數據比較少的情況下，得到不錯的分類器。在以后的研究工作中，將會繼續完善研究方法，并尋找提高目標域子圖數量的算法。

[參考文獻]

[1]BRAVO MARQUEZ F，FRANK E，MOHAMMAD S M，et al.Determining word-emotion associations from tweets by multi-label classification[C].Nebraska：IEEE/WIC/ACM International Conference on Web Intelligence，2017.

[2]AGGARWAL C C，ZHAI C X.A survey of text classification algorithms[J].Springer US，2012(3)：163-222.

[3]SEBASTINAI F.Machine learning in automated text categorization[J].ACM Computing Surveys，2002(1)：1-47.

[4]YEH C K，WU W C，KO W J，et al.Learning deep latent spaces for multi-label classification[J]. 2017(7)：12-15.