A popular solution to multi-label c

A popular solution to multi-label classification is called binary relevance which constructs a binary classifier for each label, resulting a set of inde-pendent binary classification problems (Tsoumakas and Katakis, 2007; Tsoumakas et al., 2009).
In our approach, binary relevance is utilized as a preliminary step so that each original instance is transformed into K pseudo samples, where K is the number of categories. For example, in Figure 4, X1 1 , X12 , and X1 3 represent the three pseudo samples, generated from the same original instance sentence-1.

Kết quả (Việt) 1:

Một giải pháp phổ biến cho nhiều nhãn phân loại được gọi là nhị phân mức độ phù hợp đó xây dựng một loại nhị phân cho mỗi nhãn, dẫn đến một tập hợp các vấn đề độc-pendent phân loại nhị phân (Tsoumakas và Katakis, năm 2007; Tsoumakas et al., 2009).Trong cách tiếp cận của chúng tôi, mức độ liên quan nhị phân được sử dụng như là một bước sơ bộ để cho mỗi trường hợp ban đầu được chuyển thành K mẫu giả, nơi K là một số loại. Ví dụ, trong hình 4, X 1 1, X 12, và X 1 3 đại diện cho ba giả mẫu, được tạo ra từ câu-1 của cùng một ban đầu thể hiện.

Kết quả (Việt) 2:

Một giải pháp phổ biến để đa nhãn phân loại được gọi là phù hợp nhị phân đó xây dựng một bộ phân loại nhị phân cho mỗi nhãn, kết quả là một tập hợp các inde-độc vấn đề phân loại nhị phân (Tsoumakas và Katakis, 2007;. Tsoumakas et al, 2009).
Trong cách tiếp cận của chúng tôi, phù hợp nhị phân được sử dụng như là một bước chuẩn bị để mỗi trường hợp ban đầu được chuyển thành K mẫu giả, trong đó K là số lượng các loại. Ví dụ, trong hình 4, X1 1, X12, và X1 3 đại diện cho ba mẫu giả, được tạo ra từ cùng một ví dụ ban đầu của câu 1.