統計的決定理論に基づく階層構造を利用したマルチラベル分類法について (情報論的学習理論と機械学習)  [in Japanese] Hierarchical Multi-label Classification on Statistical Decision Theory  [in Japanese]

Search this Article

Author(s)

Abstract

本稿では,統計的決定理論に基づくマルチラベル分類法を扱う.マルチラベル分類は,ラベル集合の冪集合の要素を一つのクラスと見なすことで,多クラス分類としても扱える.しかしこの場合,ラベル集合の要素数についてクラスの数が指数的に増加する.その為,要素数が大きい場合には,分類を行うことが計算量的に困難となる.この計算量的困難性を回避する為の研究が従来より行われており,その一つにラベル間の階層構造を利用した研究がある.他方,ベイズ基準のもとで最適な分類法が近年注目されている.本稿では,このベイズ基準のもとで最適な分類法をマルチラベル分類問題に適用する.更にラベル間に階層構造を仮定することで,分類で必要となる計算量をラベル集合の要素数についての線形オーダーで抑えるアルゴリズムを提案する.ベイズ基準のもとで最適となる分類法では,仮定する損失関数により具体的な計算式が異なる.その為本稿では,0-1損失,ハミング損失それぞれの場合において,効率的な分類アルゴリズムを示す.

This paper considers multi-label classification on statistical decision theory. In Label Power Set format, multi-label classification is equivalent to multi-class classification. However, the number of classes increases exponentially as elements in label set grow in number. Hence in case of many labels, a prohibitive computational cost problem occurs. To avoid this problem, some studies have been done and one of them used hierarchical structure. On the other hand, optimal classification method based on bayes rule has been attracted much attention recently. We apply this optimal classification method based on bayes rule to multi-label classification problem. Moreover, assuming hierarchical structure on labels, we propose efficient classification algorithms which reduce computational cost to linear order on the number of elements in label set. Since optimal classification based on bayes rule differs calculation formula depending loss function, we present algorithms in case of O-1 loss and hamming loss, respectively.

Journal

  • 電子情報通信学会技術研究報告 : 信学技報

    電子情報通信学会技術研究報告 : 信学技報 112(452), 101-106, 2013-03-04

    The Institute of Electronics, Information and Communication Engineers

Codes

  • NII Article ID (NAID)
    110009713028
  • NII NACSIS-CAT ID (NCID)
    AA12482480
  • Text Lang
    JPN
  • ISSN
    0913-5685
  • NDL Article ID
    024409270
  • NDL Call No.
    Z16-940
  • Data Source
    NDL  NII-ELS 
Page Top