51、多标签分类的表示学习与竞赛解决方案

多标签分类的表示学习与竞赛解决方案

1. 多标签文本分类的额外验证：SIAM 2007 数据集

在文本挖掘领域，常用词袋（或更通用的 n - 元语法）来表示文档。为每个文档 - 术语对赋予权重，如 TF - IDF 频率。这种表示通常维度高，只有少数非零项对应文档中出现的 n - 元语法。

1.1 数据集介绍

选用 SIAM 2007 竞赛使用的 ASRS（航空安全报告系统）数据集。该数据集约有 21000 个训练文档和 7000 个测试文档，标签是 22 维二进制向量，代表一个或多个飞机安全问题，如天气、燃油紧急情况、乘客干扰、飞行员注意力和跑道障碍物等。

1.2 数据预处理与模型选择

为获取文档的初始表示，先对数据进行预处理，包括转换为小写和去除停用词。然后选取 5000 个最频繁的词，构建未归一化 TF - IDF 值的文档 - 术语矩阵。IDF 值从训练集获取，并结合每个测试点计算的频率应用。模型选择与 JRS 竞赛数据的方式相同，使用相同数量的主成分（1600）和基（3200）。

1.3 分类性能比较

方法	精度	召回率	F - 度量	误差
SIAM 获胜者（分数）	61.53	62.37	61.95	6.80