Java 多标签文档分类

我有一个数据库，其中存储的数据基于以下三个字段：id、text、{labels}。请注意，每个文本已分配给多个label\tag\class。我想构建一个模型（weka\rapidminer\mahout），该模型能够为给定文本推荐\分类一组标签\标签\类

---

我听说过SVM和朴素贝叶斯分类器，但不确定它们是否支持多标签分类。任何指引我走向正确方向的东西都是非常受欢迎的

SVM本质上是一种二元分类器，但有许多替代方案允许它应用于多标签环境，基本上是通过组合SVM的多个二元实例

Wikipedia文章中的多类部分提供了一些示例。我不确定您是否对细节感兴趣，但它们包含在Weka和Rapidminer中。例如，分类器是将SVM应用于多标签问题的变体之一

---

朴素贝叶斯可以直接应用于多标签环境。

基本的多标签分类方法是一对一（OvR），也称为二元相关性（BR）。基本思想是，使用现成的二进制分类器，如朴素贝叶斯或支持向量机，然后创建K个实例来解决K个独立的分类问题。在类似Python的伪代码中：

for each class k:
    learner = SVM(settings)  # for example
    labels = [class_of(x) == k for x in samples]
    learner.learn(samples, labels)

然后在预测时，您只需在样本上运行每个二进制分类器，并收集它们预测为正的标签

---

（显然，训练和预测都可以并行进行，因为假设问题是独立的。请参阅两个进行多标签分类的Java包的链接。）

可以向您推荐一些工具，这些工具是对weka进行多标签分类的扩展 分类

MEKA：WEKA的多标签扩展

Mulan：一个用于多标签学习的Java库

还有一个SVM库扩展。如果您对python软件包感到满意，scikit learning还提供了一个

---

此外，ICML 2013“具有多个标签的高效多标签分类”中最近的这篇文章应该可以帮助您实现。如果您想自己实现一个。

我认为您混淆了多类和多标签分类。在前者中，每个样本有一个类，但有两个以上的可能性；在后者中，每个样本可以同时属于多个类。该场景中的属性应该是什么？“我确实有一些想法，但我想听听比我更有经验的人的建议。”拉斯曼斯说。我要问的是多标签分类，即每个样本可以同时属于多个类。@larsmans是NB、kNN的常用方法之一，在某些情况下（当您输出分数而不是{1，1}决策时），SVM将获得每对文档类的分数。使用这种方法，您不需要为NB和kNN生成N个二进制分类器。在所有情况下，他们使用列车组学习，并通过交叉验证和/或使用验证集优化阈值，其中质量指标（如F1）得到优化。完成后，对于每个测试文档，分类器会为每个类生成一个分数，如果该值高于阈值，则会对其进行分类。一些引用（由于缺少空间，我以前无法粘贴它们）。关于最著名的文本分类集合之一（RCV1）。他解释了如何在多标签环境中使用SVM的阈值。[Yang_2001]（）关于文本分类中阈值策略的研究。除了一系列独立的问题之外，还有很大的空间。例如，使用概率分类器（比如逻辑回归），您可以定义结果标签集上的分布，例如主题模型或MRF，并进行全局优化。我相信你也可以使用普拉特的方法，或者一些直接的全局判别标准，将类似的想法融入到支持向量机中。@BenAllison：当然，但我只是指出了基线方法和一系列做更高级工作的工具包。