マルチラベル分類問題にニューラルネットワークを適用する方法は？

説明：

問題ドメインを、それぞれが1つ以上のクラスに属する特徴ベクトルのセットが存在するドキュメント分類とします。たとえば、ドキュメントdoc_1はカテゴリSportsとEnglishカテゴリに属します。

質問：

分類にニューラルネットワークを使用すると、特徴ベクトルのラベルはどうなりますか？それは、0の値が関連のないクラスに、1が関連のクラスに与えられるように、すべてのクラスを構成するベクトルでしょうか？クラスのラベルのリストがの[Sports, News, Action, English, Japanese]場合、ドキュメントdoc_1のラベルは次のようになり[1, 0, 0, 1, 0]ますか？

はい、マルチラベル学習では、ラベル情報は多くの場合、説明したバイナリベクトルとしてエンコードされます。評価も簡単です。

マルチラベル学習用のオープンソースJavaライブラリであるMULANを確認することもできます。これはWeka拡張機能であり、ニューラルネットワークを含む多くのマルチラベル分類器を実装しています。たとえば、ここで BP-MLLを見つけることができます。

これはあなたが探している論文のようです：

Min-Ling ZhangとZhi-Hua Zhou：機能ゲノミクスとテキスト分類への応用を備えたマルチラベルニューラルネットワーク

要約から：

マルチラベル学習では、トレーニングセットの各インスタンスはラベルのセットに関連付けられており、タスクは、サイズが不明なラベルセットを、見えないインスタンスごとにアプリオリに出力することです。このペーパーでは、この問題に対処しています。 BP-MLLという名前のニューラルネットワークアルゴリズム、すなわちマルチラベル学習のための逆伝播法が提案される方法。... 2つの実世界のマルチラベル学習問題、すなわち機能ゲノミクスとテキスト分類へのアプリケーションは、BP-MLLのパフォーマンスがいくつかの定評のあるマルチラベル学習アルゴリズムのパフォーマンスより優れていることを示しています。