Fungsi carian sedang dalam pembinaan.
Fungsi carian sedang dalam pembinaan.

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. ex. Some numerals are expressed as "XNUMX".
Copyrights notice

The original paper is in English. Non-English content has been machine-translated and may contain typographical errors or mistranslations. Copyrights notice

Speeding up Extreme Multi-Label Classifier by Approximate Nearest Neighbor Search Mempercepatkan Pengelas Berbilang Label Ekstrem dengan Anggaran Carian Jiran Terdekat

Yukihiro TAGAMI

  • pandangan teks lengkap

    0

  • Petikan Ini

Ringkasan:

Kaedah pengelasan berbilang label yang melampau telah digunakan secara meluas dalam tugas pengelasan skala Web seperti penandaan halaman Web dan pengesyoran produk. Dalam makalah ini, kami membentangkan kaedah pembenaman graf baru yang dipanggil "AnnexML". Pada langkah latihan, AnnexML membina a k-graf jiran terdekat bagi vektor label dan cuba menghasilkan semula struktur graf dalam ruang benam. Ramalan dilakukan dengan cekap dengan menggunakan kaedah carian jiran terdekat anggaran yang cekap meneroka yang dipelajari k-graf jiran terdekat dalam ruang benam. Kami menjalankan penilaian ke atas beberapa set data dunia sebenar berskala besar dan membandingkan kaedah kami dengan kaedah terkini. Keputusan percubaan menunjukkan bahawa AnnexML kami boleh meningkatkan ketepatan ramalan dengan ketara, terutamanya pada set data yang mempunyai ruang label yang lebih besar. Selain itu, AnnexML menambah baik pertukaran antara masa ramalan dan ketepatan. Pada tahap ketepatan yang sama, masa ramalan AnnexML adalah sehingga 58 kali lebih cepat daripada SLEEC, kaedah berasaskan benam yang terkini.

Jawatankuasa
IEICE TRANSACTIONS on Information Vol.E101-D No.11 pp.2784-2794
Tarikh penerbitan
2018/11/01
Diumumkan
2018/08/06
ISSN dalam talian
1745-1361
DOI
10.1587/transinf.2018EDP7096
Jenis Manuskrip
PAPER
kategori
Kecerdasan Buatan, Perlombongan Data

Pengarang

Yukihiro TAGAMI
  Yahoo Japan Corporation,Kyoto University

Kata kunci

Contents [show]