《表2 对比算法的实验设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于标签相关性的类属属性多标签分类算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

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。