ریحانه عارفی - کارشناس ارشد مهندسی فناوری اطلاعات و مدیریت دانشگاه صنعتی امیرکبیر تهران

طبقه بندی چند برچسبی MLC نوع خاصی از طبقه بندی تک برچسبی است که در آن هر نمونه داده به طور همزمان با چندین برچسبکلاس مرتبط است. MLC در سال های اخیر به دلیل گستره وسیع دامنه های کاربر دی آن اهمیت زیادی پیداکرده است. با این حال، مسئله عدم تعادل کلاس به یک چالش اجتناب ناپذیر در بسیاری از مجموعه داده های چند برچسبی تبدیل شده است که نمونه ها و برچسب هایمربوطه آن به صورت غیریکنواخت در فضای داده ای توزیع شده اند. مسئله عدم تعادل کلاس در MLC چالش هایی را به تحلیل داده هایچند برچسبی تحمیل می کند که می تواند از سه منظر مورد بررسی قرارداده شود: عدم تعادل در برچسب ها، بین برچسب ها و مجموعههای برچسب. در این مقاله، با جمع آوری یک سری موارد تحقیقاتی موجود، مروری بر رویکردهای مدیریت مسئله عدم تعادل در داده هایچند برچسبی ارائه می کنیم. این مقاله به عنوان یکی از کارهای پژوهشی، یک مطالعه سیستماتیک رویکردهای پرداختن به یک مسئلهنامتعادل در MLC ، بررسی جامعی از روش های پیشرفته برای MLC نامتعادل، از جمله ویژگی های مجموعه داده های چند برچسبینامتعادل، اقدامات ارزیابی و مقایسه ای ارائه می کند. تحلیل روش های موجود در این مقاله همچنین نتایج مهمی را که تاکنون گزارش شدهاست مورد بحث قرار می دهد و برخی از نقاط قوت و محدودیت های آنها را برای هدایت تحقیقات آینده برجسته می کند

طبقه بندی چند برچسبی، مجموعه داده های چند برچسبی، رتبه بندی برچسب، رابطه ی دودوی