南京大學提出SSWL模型：從半監督弱標註數據中學習多標籤學習問題

在多標籤學習中，通常我們會假設一個實例的所有標籤都已知，但現實情況並不如此。在 AAAI 2018 所接收的論文中，南京大學周志華組提出了從半監督弱標註數據中學習並處理多標籤學習問題。該方法假設實例和標籤的相似性有助於補充缺失的標籤。而且，當標籤信息不足時，多個模型的集成通常比單個模型更有效。 傳統的監督式學習通常假設每個實例都與一個標籤相關聯。然而，在現實生活的許多任務中，一個實例通常不止一個標

>>阅读原文<<