लेबल वितरण अध्ययन

हालांकि मल्टी-लेबल अध्ययन कई लेबल अस्पष्टता के मुद्दों से निपट सकता है, यह कुछ वास्तविक अनुप्रयोगों में अच्छी तरह से फिट नहीं होता है जहां लेबलों के महत्व का समग्र वितरण महत्वपूर्ण होता है। यह पत्र ऐसे अनुप्रयोगों के लिए लेबल वितरण अध्ययन (LDL) नामक एक नया अध्ययन पैराजाइम प्रस्तुत करता है। लेबल वितरण एक निश्चित संख्या में लेबलों को कवर करता है, जिसका अर्थ है कि प्रत्येक लेबल उस उदाहरण का कितना वर्णन करता है। LDL एक अधिक सामान्य अध्ययन ढांचा है जिसमें सिंगल-लेबल और मल्टी-लेबल अध्ययन दोनों शामिल हैं। यह पत्र तीन तरीके से छह कार्यशील LDL एल्गोरिदम का प्रस्ताव करता है: समस्या रूपांतरण, एल्गोरिदम अनुकूलन, और विशेष एल्गोरिदम डिज़ाइन। LDL एल्गोरिदम के प्रदर्शन की तुलना करने के लिए, क्लस्टरिंग विश्लेषण के माध्यम से छह प्रतिनिधि और विविध मूल्यांकन उपायों का चयन किया गया है, और लेबल वितरण डेटासेट का पहला बैच एकत्रित किया गया है और इसे सार्वजनिक रूप से उपलब्ध कराया गया है। एक कृत्रिम और 15 वास्तविक दुनिया के डेटासेट पर प्रयोगात्मक परिणाम विशेष एल्गोरिदम के स्पष्ट लाभ दिखाते हैं, जो LDL समस्या की विशेषताओं के लिए विशेष डिज़ाइन के महत्व को दर्शाता है।