Mehrlabel-Lernen

Multi-Label-Lernen (MLL) ist eine Erweiterung von binären und multi-class-Klassifikationsproblemen und zielt darauf ab, mehrere mögliche Klassenlabels gleichzeitig Dateninstanzen zuzuordnen. Jedes Label hat eine spezifische semantische Beziehung zur Dateninstanz. Aufgrund seiner umfangreichen Anwendungen in Empfehlungssystemen, Bildannotierung, Textklassifikation und anderen praktischen Fragestellungen ist das Multi-Label-Lernen ein Schwerpunkt der Forschung.