Réinitialiser mot de passe
E-mail
Password
RNTI

MODULAD
Classification multi-labels graduée: Apprendre les relations entre les labels ou limiter la propagation d'erreur ?
In EGC 2017, vol. RNTI-E-33, pp.381-386
Résumé
La classification multi-labels graduée est la tâche d'affecter à
chaque donnée l'ensemble des labels qui lui correspondent selon une échelle
graduelle de degrés d'appartenance. Les labels peuvent donc avoir à la fois
des relations d'ordre et de co-occurrence.
D'un côté, le fait d'ignorer les relations entre les labels risque d'aboutir
à des prédictions incohérentes, et d'un autre côté, le fait de prendre en
compte ces relations risque de propager l'erreur de prédiction d'un label
à tous les labels qui lui sont reliés.
Les approches de l'état d'art permettent soit d'ignorer les relations entre
les labels, soit d'apprendre uniquement les relations correspondant à une
structure de dépendance figée. L'approche que nous proposons permet
l'apprentissage des relations entre les labels sans fixer une structure de
dépendance au préalable. Elle est basée sur un ensemble de classifieurs
mono-labels, un pour chaque label. L'idée est d'apprendre d'abord toutes
les relations entre les labels y compris les relations cycliques. Ensuite les
dépendances cycliques sont résolues en supprimant les relations d'intérêt
minimal. Des mesures sont proposées pour évaluer l'intérêt d'apprendre
chaque relation. Ces mesures permettent d'agir sur le compromis entre
l'apprentissage de relations pour une prédiction cohérente et la minimisa-
tion du risque de la propagation d'erreur de prédiction.