对偶结构下的多标签半监督课程学习

作     者：谢晓兰 谭舒孺 王楠 XIE Xiao-lan;TAN Shu-ru;WANG Nan

作者机构：桂林理工大学信息科学与工程学院桂林541004 广西嵌入式技术与智能系统重点实验室桂林541004 吉林财经大学管理科学与信息工程学院长春130117 

基　　金：国家自然科学基金(62262011) 广西自然科学基金(2021JJA170130) 国家社会科学基金(22BTQ048) 吉林省教育厅科学研究项目(JJKH20250758KJ) 

出 版 物：《科学技术与工程》 (Science Technology and Engineering)

年 卷 期：2025年第25卷第5期

页      码：1980-1987页

摘      要：多标签学习是现实应用场景中的一个常见问题。大规模多标签数据集的构建往往意味着高昂的成本,因此出现了半监督学习技术。目前,大多数半监督学习主要用于单标签分类领域,尽管半监督学习在多标签分类领域取得了一些进展,但在训练时间消耗、训练效果和标签之间潜在关系的利用方面仍有很大的改进空间。针对上述问题,提出了一种二元结构下的多标签半监督课程学习模式(semi-supervised course learning under dual structure,SSCD)。首先,设计了一种基于对偶差分的课程学习方案,大大减少了训练时间,提高了模型的稳健性;其次,设计了一个单一注意力机制来探索标签之间的潜在相关性。在3个开放测试数据集上评估了SSCD在预测任务中的性能,并与4个基准模型进行了比较,结果表明SSCD的综合指标在各个方面都是最优的;最后,通过结构消融实验验证了所提出的单注意力机制的有效性。

主 题 词：多标签学习 半监督学习 自注意力机制 课程学习 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.12404/j.issn.1671-1815.2400465

馆 藏 号：203157367...