公开(公告)号：CN104715021A

公开(公告)日：2015-06-17

申请号：CN201510089183.3

申请日：2015-02-27

Applicant: 南京邮电大学

Inventor： 吴建盛 ,  孙永 ,  胡海峰

IPC: G06F17/30

CPC classification number: G06F17/30705

Abstract: 本发明公开了一种基于哈希方法的多标记学习的设计方法，该方法是利用哈希算法与基于贝叶斯统计学的多标记学习算法相结合，该方法有效地利用标记之间的相关性以提高多标记学习模型的预测性能，利用近邻的特性，将标记和标记的近邻引入到后验概率的计算中，充分考虑了标记之间的相关性，提高了算法的准确性；利用MinHash算法解决大规模数据的多标记学习中标记空间往往更加高维和稀疏的问题；利用位置敏感哈希(LSH)进行近邻查找解决大规模数据的学习问题，可以进行快速高效的近邻查找，提高了多标记学习算法的可扩展性。

公开(公告)号：CN104715021B

公开(公告)日：2018-09-11

申请号：CN201510089183.3

申请日：2015-02-27

Applicant: 南京邮电大学

Inventor： 吴建盛 ,  孙永 ,  胡海峰

IPC: G06F17/30

Abstract: 本发明公开了一种基于哈希方法的多标记学习的学习方法，该方法是利用哈希算法与基于贝叶斯统计学的多标记学习算法相结合，该方法有效地利用标记之间的相关性以提高多标记学习模型的预测性能，利用近邻的特性，将标记和标记的近邻引入到后验概率的计算中，充分考虑了标记之间的相关性，提高了算法的准确性；利用MinHash算法解决大规模数据的多标记学习中标记空间往往更加高维和稀疏的问题；利用位置敏感哈希(LSH)进行近邻查找解决大规模数据的学习问题，可以进行快速高效的近邻查找，提高了多标记学习算法的可扩展性。