不对称影响标签增强

识别个体差异

用有向二分网络和物质扩散算法计算实例间的不对称影响，让标签分布恢复更贴合个体差异。

张恒汝 · Peng-Cheng, Li · Xu, Yuanyuan · 闵帆

Information Sciences 2024

技术优势

捕捉非对称影响

用物质扩散算法在有向二分网络上计算实例间的不对称影响，区分了实例对他人和他人对实例的不同影响。

增强自身影响

在图上加入自连接，让实例可以被自身影响，进一步利用逻辑标签中的信息。

性能领先

在13个基准数据集上胜过6种最先进的标签增强算法，展示了本方法的有效性。

应用场景

• 多标签学习：替换现有标签增强模块，提升多标签学习中的监督信息质量。
• 标签分布学习：生成更贴合个体差异的标签分布，为标签分布学习提供更准确的标签信息。
• 图半监督学习：以有向图和物质扩散方式利用图结构信息，改善半监督学习中的标签传播效果。