Multilabel klasifikace

Klasifikace více štítků je typ problému učení pod dohledem, jehož cílem je přiřadit jednu nebo více značek k instanci nebo objektu, jako je počítač, programovací skript nebo položka digitálního média. Je to forma umělé inteligence, která umožňuje počítačům nebo strojům klasifikovat položky na základě více kritérií nebo štítků. Tento typ klasifikace se používá v mnoha oblastech informatiky, včetně zpracování přirozeného jazyka, rozpoznávání obrázků a kategorizace hudby.

Primární rozdíl mezi multilabel a jinými formami klasifikace je ten, že klasifikace multilabel se zaměřuje na přesné přiřazení všech relevantních popisků pro instanci nebo položku, nikoli pouze na jednu. Například při klasifikaci obrázku může být počítač požádán o přiřazení štítků „pes“ a „venku“ k popisu scény. Tímto způsobem klasifikoval obrázek dvěma štítky namísto pouze jednoho.

Nejběžnějším typem úlohy klasifikace více štítků je klasifikace více tříd, jejímž cílem je přiřadit správné štítky objektům nebo položkám, které mají přiřazeno více tříd (štítek). Příkladem vícetřídní klasifikace je software pro rozpoznávání obličeje, který se pokouší přiřadit štítek „Tvář“ všem obrázkům s obličejem.

Mezi další techniky pro provádění klasifikace více štítků patří binární relevance, která rozděluje problém do více úloh binární klasifikace, a metody založené na hodnocení, které využívají klasifikovaný přístup k efektivnímu přiřazování štítků k objektům nebo instancím.

Klasifikace více štítků představuje cenný nástroj pro mnoho aplikací a stále více se používá k tomu, aby počítače lépe porozuměly složitým datům. Díky své schopnosti přesně klasifikovat objekty pomocí více štítků se ukazuje jako mocný nástroj v celé řadě oblastí, od počítačového vidění po zpracování přirozeného jazyka, rozpoznávání hudby a další.