《表2 对比算法的实验设置》
将本文CLLIFT算法同BR[2]、CLR[14]、ECC[15]、ML-KNN[7]、LIFT[9]算法进行对比实验。其中,BR算法对每个标签分别独立地进行训练和预测;ML-KNN算法基于KNN思想并使用最大后验原则进行标签预测;ECC算法为标签链算法CC的集成版本,通过标签链引入了全局标签相关性;CLR算法通过成对比较的方式引入标签相关性。本文算法在开源项目MULAN上设计实现,对比算法使用MULAN上现有的算法实现,各算法皆使用对应文献中所给出的配置信息进行实验,其中,本文CLLIFT算法中的比率参数δ,以步长0.1在[0,1]进行调节,且额外进行了δ=0.01和0.05的实验,最终设定δ=0.1。算法的具体实验设置信息如表2所示。
图表编号 | XD00222754300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.09.05 |
作者 | 牟甲鹏、蔡剑、余孟池、徐建 |
绘制单位 | 南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院、南京理工大学计算机科学与工程学院 |
更多格式 | 高清、无水印(增值服务) |