多标签学习相关 AI 资讯 · AI 热点

8月11日

11:03

11:03

官方账号arXiv cs.LG@Mona Furukawa, Sai Hyne, Daniel R. McGowan, Bartłomiej W. Papież

该研究利用深度学习基于PET/CT影像预测非小细胞肺癌的EGFR、TP53和KRAS基因突变。实验采用英国新型放射基因组学队列，比较成对多标签学习与单基因分类的效果。联合预测KRAS和TP53将AUC从0.58提升至0.64（KRAS）和从0.69提升至0.71（TP53）。EGFR/KRAS对中仅EGFR受益，而EGFR/TP53对无改善。结果表明多标签学习的有效性取决于特定突变组合，提示需采用突变特异性建模策略。

论文 PET/CT NSCLC 多标签学习

推荐理由：想用影像预测基因突变？这篇论文告诉你多标签学习不是万能药，KRAS和TP53联合预测能提AUC，但EGFR组合就没用，得看突变配对。

5月28日

12:00

12:00

官方账号arXiv cs.LG@Mehryar Mohri, Yutao Zhong

本文提出了一种新的多标签学习算法框架 MMO，用于优化 F-measure、Jaccard 指数等广义度量。作者设计了具有 H-一致性保证的替代损失函数，能在 O(l) 时间内精确分解，无需近似。该算法在 MS-COCO 和 Reuters-21578 等大规模高稀疏数据集上，优于现有连续基线方法。研究为多标签度量优化提供了理论严谨且实践有效的方案。

论文多标签学习度量优化 H-一致性

推荐理由：多标签分类任务中优化复杂度量一直缺乏理论保证，MMO 算法填补了这一空白。做多标签学习、信息检索或推荐系统的研究者可以直接用这套框架提升模型效果，值得深入阅读。