본 연구에서는 멀티 라벨 문서의 분류학습을 위한 다항 나이브 베이스 알고리즘의 성능을 향상시키는 새로운 방법을 제안한다. 멀티 라벨의 분류학습에서는 클래스 값들 간의 종속성을 효과적으로 활용하는 것이 학습의 성능에 많은 영향을 미치며 따라서 본 연구에서는 클래스 값들 사이의 종속성을 협동 학습의 기법을 이용하여 향상시키는 새로운 방법을 제시한다. 다수의 멀티 라벨 문서를 이용한 실험에서 본 연구의 방법은 다른 알고리즘들에 비하여 좋은 성능을 보임을 알 수 있었다.
In this paper, we propose a new method for improving the performance of multi-label classification learning using the multinomial naive Bayesian model. Incorporating the dependencies among class values is an important issue in the multi-label classification, and we employ a co-training method for this purpose. A number of multi-label document data sets are selected for testing the performance of the method. Our experiments show that the proposed method outperforms the state-of-the-art methods.
