LI-MLC: 다중 레이블 분류를 위한 라벨 공간에서의 고차원성 문제를 해결하는 라벨 추론 방법론

다중 레이블 분류(MLC)는 많은 실제 시나리오에 적용할 수 있는 기술로 최근 몇 년 동안 상당한 연구 관심을 끌고 있습니다. 이 데이터를 이진 또는 다중 클래스 분류기로 처리하기 위해 다중 레이블 데이터 세트(MLDs)를 변환하는 방법과 이러한 데이터 세트에서 작동할 수 있는 알고리즘들이 제안되었습니다. 그러나 지금까지 MLD의 레이블 수가 많은 문제를 다룬 연구는 많지 않았습니다. 이 특성은 레이블 공간(출력 속성)에서의 고차원성으로 정의될 수 있으며, 전통적인 고차원성 문제는 일반적으로 특징 공간(특징 선택을 통해) 또는 샘플 공간(인스턴스 선택을 통해)에 초점을 맞춥니다. 본 논문의 목적은 MLD의 레이블 공간에서의 차원성을 분석하고, 레이블 종속성을 발견하기 위해 연관 규칙을 사용하는 변환 방법론을 제시하는 것입니다. 이러한 종속성은 레이블 공간을 줄이는 데 사용되어 모든 MLC 알고리즘의 작업을 용이하게 하고, 최종 후처리 단계에서 삭제된 레이블을 추론하는 데 사용됩니다. 제안된 프로세스는 여러 MLD와 분류 알고리즘을 통한 광범위한 실험에서 검증되었으며, 일부 경우에는 성능이 통계적으로 유의미하게 개선되는 결과를 보여줄 것입니다.