Partial Multi-Label Learning via Structure-Regularized Negative-Label Completion
Cet article propose l'Instance-Aware Partial Negative Completion (IPNC), un cadre à régularisation structurelle qui apprend des cibles négatives douces bornées en couplant un prédicteur multi-sorties avec des structures de graphes basées sur les caractéristiques et les scores afin de gérer efficacement les étiquettes candidates ambiguës dans l'apprentissage multi-étiquettes partiel, atteignant une performance empirique supérieure sur divers ensembles de données.