文本分类：可扩展文本分类与多类文本分类

Question

我对处理多标签分类问题的方法有疑问。

基于文献回顾，我发现一种最常用的方法是问题变换方法。它将多标签问题转化为多个单标签问题，分类结果只是每个单标签分类器的简单联合，使用二元相关方法。由于单个标签问题可以被分类为二元分类（如果有两个标签）或多类分类问题（如果有多个标签，即标签> 2），当前的转换方法似乎都转换了多标签问题到一些二元问题。但是这会导致数据不平衡问题，因为否定类可能比正面类有更多的文档。

所以我的问题是，为什么不转化为一些多类问题，然后应用直接多类分类算法来避免数据不平衡问题。在这种情况下，对于一个测试文档，每个训练过的单标签多类分类器将预测是否分配标签，并且所有这种单标签多类分类器预测结果的联合将是该测试文档的最终标签集合。总之，与将多标签分类问题转换为多个二元分类问题相比，将多标签分类问题转换为多类分类问题可以避免数据不平衡问题。除此之外，上述两种方法的一切都保持不变：您需要构造| L |（| L |表示分类问题中不同标签的总数）单个标签（二元或多元）分类器，您需要准备| L |需要对测试文档中的每个单一标签分类器进行测试，并且每个单一标签分类器的预测结果的联合是测试文档的最终标签集合。

希望任何人都可以帮助澄清我的困惑，非常感谢！

Answer 1

您所描述的是一种称为标签功率集转换策略的多类问题的已知转换策略。这种方法的

缺点：| L

• 的LP转化可以导致高达2^|转换成 标签。
• 类别不平衡问题。

参考： Cherman，埃弗顿阿尔瓦雷斯，玛丽亚·卡罗莱纳Monard，并让梅斯。 “多标签问题转换方法：案例研究。” CLEI电子期刊14.1（2011）：4-4。