多义性对象学习建模中若干问题的研究

多义性对象广泛存在于文档分类、多媒体内容标注、信息检索等真实世界问题中，其学习建模已成为国际机器学习界的重要研究课题。本项目将围绕以多标记学习为代表的多义性对象学习建模技术，从以下几个方面开展深入研究：1)提出基于图模型的多标记学习算法，从而充分利用标记之间的相关性处理多义性对象；2)提出非直推式半监督多标记学习算法，从而充分利用未标记数据辅助多义性对象预测分析；3)提出基于类属属性的多标记学习算法，从而更好地描述多义性对象的语义信息；4)提出可扩展性强的多标记学习算法，从而有效缓解现有技术处理大规模多义性对象时面临的困难；5)提出基于关键概念发现的多示例学习算法，从而在输入空间有效处理多义性对象；6)提出新型多示例多标记学习算法，从而为多义性对象学习建模探索新途径。基于以上研究内容，本项目将在国际期刊、国际会议和国内一级学报发表高质量论文8-10篇，申请国家发明专利两项，培养多名研究生。

多义性对象学习建模是国际机器学习界的重要研究课题，相关技术广泛应用于文档分类、多媒体内容标注、信息检索等领域。本项目围绕以多标记学习为代表的多义性对象学习建模技术开展研究，主要研究内容包括：1) 为充分利用标记之间的相关性处理多义性对象，提出一种基于图模型的多标记学习算法；2) 为充分利用未标记数据辅助多义性对象预测分析，提出一种非直推式半监督多标记学习算法；3) 为更好地描述多义性对象的语义信息，提出一种基于类属属性的多标记学习算法；4) 为有效缓解现有技术处理大规模多义性对象时面临的困难，提出一种可扩展性强的多标记学习算法；5) 为在输入空间有效处理多义性对象，提出一种基于关键概念发现的多示例学习算法；6) 为多义性对象学习建模探索新途径，提出一种新型多示例多标记学习算法。针对上述研究内容，项目组基于相关研究方案开展工作，完成了原定研究计划和目标。基于本项目成果，共发表学术论文13篇，包括《IEEE Trans. PAMI》、《IEEE Trans. KDE》、《Data Mining and Knowledge Discovery》、《软件学报 》等重要学术期刊，以及IJCAI、ICDM等重要国际会议。申请国家发明专利2项。项目负责人合作组织ACML'12、ICML'14专题workshop，任ADMA'12讲座报告人1次、国内学术会议特邀报告人2次。本项目成果已被国际同行他引次230余次，引用源包括重要国际期刊/会议如《IEEE Trans. KDE》、《IEEE Trans. NNLS》、KDD、AAAI等。培养硕士研究生若干。