融合路径长度的多路径层次标签分类方法

来源：计算机技术与发展杂志2025年第07期北京时间：

作者：程玉胜;孙鸿飞;余钟萍

单位：1. 安庆师范大学 智能感知与计算重点实验室,安徽 安庆 246133;2. 安庆师范大学 计算机与信息学院,安徽 安庆 246133

摘要：标签分层分类方法从根节点出发,选择不同路径逐步细化分类。 针对现有方法忽略了分类时选择不同长度路径会面临不同风险的问题,提出了一种融合路径长度的多路径层次标签分类方法(MCPL)。 首先,采用自顶向下的递归方法,通过逻辑回归获得到达不同节点路径的概率;其次,根据节点的位置信息计算不同节点间的路径长度,利用路径长度为路径赋权,使用赋权后的父节点路径概率和当前节点路径概率以更新当前节点的路径概率;最后,在不同层级,依照节点间的兄弟关系在每个层级选择多个可能的粒度类别,将最后选择的多个类别经过分类器进行再次分类。 在 DD、F194、Car196、VOC、CLEF 和 Bridges 数据集上进行实验,相较于六种分层分类方法中最好的结果,MCPL 的样本分类准确率指标平均提高了 2. 4% ,层次分类指标平均提高了 0. 36% ,层次结构诱导误差指标平均降低了 1. 4%。 实验结果表明,MCPL能够有效提高分类性能。

关键词：层次标签;标签分类;路径长度;多路径选择;自顶向下分类