Classification multi-labels graduée: Apprendre les relations entre les labels ou limiter la propagation d'erreur ? - Sorbonne Université Access content directly
Conference Papers Year : 2017

Classification multi-labels graduée: Apprendre les relations entre les labels ou limiter la propagation d'erreur ?

Abstract

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.
Fichier principal
Vignette du fichier
EGC2017CRV.pdf (390.59 Ko) Télécharger le fichier
Origin Files produced by the author(s)

Dates and versions

hal-01475683 , version 1 (24-02-2017)

Identifiers

  • HAL Id : hal-01475683 , version 1

Cite

Khalil Laghmari, Christophe Marsala, Mohammed Ramdani. Classification multi-labels graduée: Apprendre les relations entre les labels ou limiter la propagation d'erreur ?. Extraction et Gestion de Connaissances, Jan 2017, Grenoble, France. ⟨hal-01475683⟩
273 View
425 Download

Share

Gmail Mastodon Facebook X LinkedIn More