구조적 예측 기반 다중레이블 분류 오픈소스소프트웨어 기능 확장

다중 레이블 예측 문제에서 레이블 간의 의존 구조를 모델에 반영하여 더 정확하고 효율적인 예측을 수행하는 기법을 의미한다. 이는 단순한 이진 분류의 반복을 넘어 레이블 사이의 상관관계를 학습 과정에 포함시키는 방식이다.

연구 결과, 구조적 예측 모델인 CC, IBLR, CHF는 레이블 간의 의존관계를 모델링하여 학습에 반영하기 때문이다. 따라서 레이블 간 상관관계를 고려하지 않고 개별적으로 처리하는 BR 방식에 비해 더 높은 예측 성능을 나타낸다.

학술대회자료

저널정보: Korean Institute of Information Scientists and Engineers 한국정보과학회 학술발표논문집 한국정보과학회 2020 한국컴퓨터종합학술대회 논문집

오류 신고하기

피인용 0

검색

초록·키워드

본 논문은 다중레이블 분류를 위한 오픈소스소프트웨어, Scikit-multilearn 를 개선하는 기능 확장 연구 과정을 소개하고, 그 경과를 보고한다. 해당 소프트웨어 패키지가 기존에 지원하지 않았던 구조적 예측모델 ... 전체 초록 보기

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드