标签相关分解学习算法

缺失标注下精准恢复

同时学习标签分布并利用标签相关性恢复缺失的描述度，在不完全标注场景下性能优于现有算法。

Xu, Suping · 商琳 · 申富饶 · 杨习贝 · 74817327

Information Fusion 2025

参数信息

数据集数量

16

技术优势

不需要完整标注

通过分解标签相关性，算法能从缺失标注中恢复描述度，减少人工标注工作量。

性能优于现有方法

在16个真实数据集上验证，算法在不同缺失程度下均优于现有算法。

应用场景

• 多标签数据挖掘：处理多标签数据中标注缺失问题，提升挖掘质量。
• 情感分析：从不完全标注的情感数据中学习细粒度情感分布。
• 图像标注：减少图像多标签标注的人工成本，自动补全缺失标签。
• 文本分类：在文本标签不完整时仍能学习准确的标签分布。
• 推荐系统：利用不完全的用户偏好标注改进推荐准确性。