通过评估示例中概念的重要性来解决多示例学习问题.pdf

《通过评估示例中概念的重要性来解决多示例学习问题.pdf》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、第３９卷第７期计算机科学Ｖｏｌ．３９Ｎｏ．７２０１２年７月ＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅＪｕｌｙ２０１２通过评估示例中概念的重要性来解决多示例学习问题甘睿印鉴（中山大学信息科学与技术学院广州５１０００６）摘要在多示例学习问题中，训练数据集里面的每一个带标记的样本都是由多个示例组成的包，其最终目的是利用这一数据集去训练一个分类器，使得可以利用该分类器去预测还没有被标记的包。在以往的关于多示例学习问题的研究中，有的是通过修改现有的单示例学习算法来迎合多示例的需要，有的则是通过提出新的方法来挖掘示例与包之间的关

2、系并利用挖掘的结果来解决问题。以改变包的表现形式为出发点，提出了一个解决多示例学习问题的算法———概念评估算法。该算法首先利用聚类算法将所有示例聚成ｄ簇，每一个簇可以看作是包含在示例中的概念；然后利用原本用于文本检索的ＴＦ－ＩＤＦ（ＴｅｒｍＦｒｅｑｕｅｎｃｙ－ＩｎｖｅｒｓｅＤｏｃｕｍｅｎｔＦｒｅｑｕｅｎｃｙ）算法来评估出每一个概念在每个包中的重要性；最后将包表示成一个ｄ维向量———概念评估向量，其第ｉ个位置表示第ｉ个簇所代表的概念在某个包中的重要程度。经重新表示后，原有的多示例数据集已不再是“多示例”，以

3、至于一些现有的单示例学习算法能够用来高效地解决多示例学习问题。关键词多示例学习，重新表示，单示例学习，概念评估中图法分类号ＴＰ１８１文献标识码ＡＳｏｌｖｉｎｇＭｕｌｔｉ－ｉｎｓｔａｎｃｅＬｅａｒｎｉｎｇＰｒｏｂｌｅｍｗｉｔｈＥｖａｌｕａｔｉｎｇｔｈｅＩｍｐｏｒｔａｎｃｅｏｆＣｏｎｃｅｐｔｉｎＩｎｓｔａｎｃｅｓＧＡＮＲｕｉＹＩＮＪｉａｎ（ＳｃｈｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙ，ＳｕｎＹａｔ－ｓｅｎＵｎｉｖｅｒｓｉｔｙ，Ｇｕａｎｇｚｈｏｕ５１０００６，Ｃｈｉｎａ）Ａｂｓ

4、ｔｒａｃｔＩｎｍｕｌｔｉ－ｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇ，ｔｈｅｔｒａｉｎｉｎｇｓｅｔｉｓｃｏｍｐｏｓｅｄｏｆｌａｂｅｌｅｄｂａｇｓ，ｅａｃｈｏｆｗｈｉｃｈｃｏｎｓｉｓｔｓｏｆｍａｎｙｕｎｌａ－ｂｅｌｅｄｉｎｓｔａｎｃｅｓ，ａｎｄｔｈｅｇｏａｌｉｓｔｏｌｅａｒｎｓｏｍｅｃｌａｓｓｉｆｉｅｒｆｒｏｍｔｈｅｔｒａｉｎｉｎｇｓｅｔｆｏｒｃｏｒｒｅｃｔｌｙｌａｂｅｌｉｎｇｕｎｓｅｅｎｂａｇｓ．Ｉｎｔｈｅｐａｓｔ，ｓｏｍｅｒｅｓｅａｒｃｈｅｓａｂｏｕｔｍｕｌｔｉ－ｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇａｉｍａｔｉｍｐｒ

5、ｏｖｉｎｇｓｉｎｇｌｅ－ｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍｓｔｏｍｅｅｔｔｈｅｍｕｌｔｉ－ｉｎｓｔａｎｃｅｒｅｐｒｅｓｅｎｔａｔｉｏｎ，ａｎｄｏｔｈｅｒｓｔｒｙｔｏｐｒｏｐｏｓｅｓｏｍｅｎｅｗｍｅｔｈｏｄｓｔｏｆｉｎｄｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂｅｔｗｅｅｎｉｎｓｔａｎｃｅｓａｎｄｂａｇｓａｎｄｕｓｅｔｈｅｒｅｓｕｌｔｔｏｓｏｌｖｅｔｈｅｐｒｏｂｌｅｍ．Ｔｈｉｓｐａｐｅｒｓｔａｒｔｅｄｆｒｏｍａｄａｐｔｉｎｇｔｈｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｏｆｔｈｅｂａｇａｎｄｐｒｏｐｏｓｅｄａｎｅ

6、ｗａｌｇｏｒｉｔｈｍ———ｃｏｎｃｅｐｔｅｖａｌｕａｔｉｎｇａｌｇｏｒｉｔｈｍ．Ｆｉｒｓｔ，ｔｈｉｓａｌｇｏｒｉｔｈｍｕｓｅｓａｃｌｕｓｔｅｒａｌｇｏｒｉｔｈｍｔｏｃｌｕｓｔｅｒａｌｌｉｎｓｔａｎｃｅｓｉｎｔｏｄｇｒｏｕｐ，ｈｅｒｅｅａｃｈｇｒｏｕｐｃａｎｂｅｔｒｅａｔｅｄａｓａｃｏｎｃｅｐｔｉｎｔｈｅｉｎｓｔａｎｃｅｓ．Ｔｈｅｎ，ｉｔｕｓｅｓｔｈｅＴＦ－ＩＤＦ（ｔｅｒｍｆｒｅ－ｑｕｅｎｃｙ－ｉｎｖｅｒｓｅｄｏｃｕｍｅｎｔｆｒｅｑｕｅｎｃｙ）ａｌｇｏｒｉｔｈｍｔｏｇｅｔｔｈｅｉｍｐｏｒｔａｎｃｅｏｆｅａｃ

7、ｈｃｏｎｃｅｐｔｉｎｔｈｅｂａｇ．Ｆｉｎａｌｌｙ，ｅａｃｈｂａｇｉｓｒｅ－ｒｅｐｒｅｓｅｎｔｅｄａｓａｄｄｉｍｅｎｓｉｏｎａｌｖｅｃｔｏｒ———ｃｏｎｃｅｐｔｅｖａｌｕａｔｉｎｇｖｅｃｔｏｒ，ｔｈｅｉｔｈｖａｌｕｅｉｎｔｈｉｓｖｅｃｔｏｒｉｓｔｈｅｉｍｐｏｒｔａｎｃｅｏｆｔｈｅｉｔｈｇｒｏｕｐｉｎｔｈｅｂａｇ．Ｂｅｃａｕｓｅａｆｔｅｒｒｅ－ｒｅｐｒｅｓｅｎｔｉｎｇｔｈｅｄａｔａｓｅｔｉｓｎｏｔ“ｍｕｌｔｉ”ａｇａｉｎ，ｓｏｍｅｐｒｏｐｏｓｉｔｉｏｎａｌｓｉｎｇｌｅ－ｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇａｌｇｏ

8、ｒｉｔｈｍｓｃａｎｂｅｕｓｅｄｔｏｓｏｌｖｅｍｕｌｔｉ－ｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇｐｒｏｂｌｅｍｅｆｆｅｔｅｌｙ．ＫｅｙｗｏｒｄｓＭｕｌｔｉ－ｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇ，Ｒｅ－ｒｅｐｒｅｓｅｎｔ，Ｓｉｎｇｌｅ－ｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇ，Ｃｏｎｃｅｐｔｅｖａｌｕａｔｉｎｇ［１］多示例学习（ｍｕｌｔｉ－ｉｎｓｔａｎｃｅｌｅａｒｎｉｎｇ）这一概念，是由只有一种起到决定性作用，其他的根本起不了作用。Ｄｉｅｔ－Ｄｉｅ