《表2 标签决断技术的对比》
在章节3.2中提到了其它两种标签决断方法,Top-k和全局阈值,在使用中,k值取1、3和5,阈值从0.05-0.95按照0.01为间隔,表2展示测试集上最优得分.值得注意的是,本文提出的得分模型其输出是映射到实数域上的,所以通过sigmoid将其约束到概率空间中.相对来说,宏观和微观指标衡量了模型的整体分类性能,对标签的误选较为敏感,Top-k和全局阈值是静态的刷选策略,而没有考虑到了样本特征本身所携带的信息,从而造成得分上的下滑.并且,在使用这些算法的时候往往会遇到超参的优化问题.表2中的结果说明在多标签领域,标签决断对最终预测结果的影响非常大.相比于全局阈值,阈值预测方法在分类指标上能提供2%的提升,排序指标上也是表现最优的.
图表编号 | XD00227463600 严禁用于非法目的 |
---|---|
绘制时间 | 2020.10.01 |
作者 | 顾天飞、彭敦陆 |
绘制单位 | 上海理工大学光电信息与计算机工程学院、上海理工大学光电信息与计算机工程学院 |
更多格式 | 高清、无水印(增值服务) |