Many real world multi-label applica

Many real world multi-label applications such as web text categorization, content based image or
video annotation etc., require not only dealing with large volume of data but also demand for processing or update of the learning algorithm in an online fashion [61]. Unfortunately, most of the
algorithms described above does not scale well with large data and more importantly are not really
applicable for online learning. To address this issue, Hua et. al. propose a scalable framework for
annotation based video search that relies on on an online multi-label active learning (Online MLAL)
[23].

Kết quả (Việt) 1:

Nhiều ứng dụng thế giới thực nhiều nhãn như web văn bản phân loại, nội dung dựa trên hình ảnh hoặcchú thích video vv, yêu cầu không chỉ đối phó với các khối lượng lớn của dữ liệu mà còn nhu cầu để xử lý hoặc bản Cập Nhật của các thuật toán học tập trong một thời trang trực tuyến [61]. Thật không may, hầu hết cácthuật toán mô tả ở trên không quy mô tốt với dữ liệu lớn và nhiều hơn nữa quan trọng là không thực sựáp dụng cho học tập trực tuyến. Để giải quyết vấn đề này, Hua et. Al. đề xuất một nền tảng khả năng mở rộng đểchú thích dựa trên tìm kiếm video dựa trên vào một đa nhãn hoạt động học tập trực tuyến (Online MLAL)[23].

Kết quả (Việt) 2:

Nhiều thế giới thực các ứng dụng đa nhãn như phân loại văn bản web, nội dung dựa trên hình ảnh hoặc
chú thích video, vv, đòi hỏi không chỉ đối phó với khối lượng lớn dữ liệu nhưng cũng có nhu cầu để chế biến hoặc cập nhật các thuật toán học trong một thời trang trực tuyến [61]. Thật không may, hầu hết các
thuật toán mô tả ở trên không quy mô tốt với dữ liệu lớn và quan trọng hơn là không thực sự
áp dụng cho học tập trực tuyến. Để giải quyết vấn đề này, Hua et. al. đề xuất một khuôn khổ mở rộng cho các
chú thích tìm kiếm video dựa trên dựa trên trên một đa-label học tập tích cực trực tuyến (Online MLAL)
[23].