多标签学习求解策略及方法

一、求解策略

按照考察类别标签之间相关性所采用方式的不同，已有的多标签学习问题的求解策略大致可以分成以下三大类：

1、“一阶”策略：依次考察每个类别标签，将多标签学习问题分解成为若干个独立的二类分类问题来进行求解，该方法虽然简单易执行但是其泛化性能比较低，忽略了标签之间的相关性。

2、“二阶策略”：考察类别标签两两之间的存在的相关联性。该方法虽然在一定程度上考虑到了类别标签之间的相关性，但是并不能包含所有的类别标签的相关情况。

3、“高阶”策略：考察高阶的类别标签之间的相关性，考虑虽然较为全面，但却导致了计算的复杂度的增加，难以用来处理大规模的学习问题。

二、求解方法

目前较为完善的多标签学习方法通常可以分为两大类，即“问题转化”方法和“算法适应”方法，简单地说，“问题转化”方法的核心是通过改造数据来适应现有的一些算法，“算法适应”方法的核心则是改造已有算法来适应多标签数据。

1、“问题转化”方法：通过对多标签训练数据集进行转化等一系列处理，从而把多标签学习问题转化成为一个或者多个简单的单标签的分类问题或者是其它已知的学习问题。

2、“算法适应”方法：算法适应法主要思想是通过对一些常用的监督学习算法进行改进，增强其适用性和泛化能力，然后将其直接运用到解决多标签学习问题上来。