Klasifikasi berbilang label

Klasifikasi berbilang label ialah sejenis masalah pembelajaran yang diselia di mana matlamatnya adalah untuk menetapkan satu atau lebih teg kepada contoh atau objek, seperti komputer, skrip pengaturcaraan atau item media digital. Ia adalah satu bentuk kecerdasan buatan yang membolehkan komputer atau mesin mengklasifikasikan item berdasarkan pelbagai kriteria atau label. Pengelasan jenis ini digunakan dalam banyak bidang sains komputer, termasuk pemprosesan bahasa semula jadi, pengecaman imej dan pengkategorian muzik.

Perbezaan utama antara berbilang label dan bentuk pengelasan lain ialah klasifikasi berbilang label memfokuskan pada menetapkan dengan tepat semua label yang berkaitan untuk contoh atau item dan bukannya hanya satu. Sebagai contoh, apabila mengklasifikasikan imej, komputer boleh diminta untuk memberikan label "anjing" dan "luar" untuk menerangkan tempat kejadian. Dengan melakukan ini ia telah mengklasifikasikan imej dengan dua label dan bukannya hanya satu.

Jenis tugas pengelasan berbilang label yang paling biasa ialah pengelasan berbilang kelas, yang bertujuan untuk menetapkan label yang betul kepada objek atau item yang mempunyai berbilang kelas (label) yang dikaitkan dengannya. Contoh klasifikasi berbilang kelas ialah perisian pengecaman muka, yang cuba memberikan label "Wajah" kepada semua imej dengan wajah di dalamnya.

Teknik lain untuk melaksanakan klasifikasi berbilang label termasuk perkaitan binari, yang membahagikan masalah kepada berbilang tugas klasifikasi binari, dan kaedah asas kedudukan, yang menggunakan pendekatan berperingkat untuk menetapkan label dengan cekap kepada objek atau kejadian.

Pengelasan berbilang label mewakili alat yang berharga untuk banyak aplikasi dan semakin digunakan untuk membolehkan komputer memahami data yang kompleks dengan lebih baik. Dengan keupayaannya untuk mengelaskan objek dengan tepat menggunakan berbilang label, ia terbukti sebagai alat yang berkuasa dalam pelbagai bidang, daripada penglihatan komputer kepada pemprosesan bahasa semula jadi, pengecaman muzik dan banyak lagi.