计算机应用

作者：何玉林, 何芃, 黄哲学, 解为成, PHILIPPE Fournier-Viger

单位：1.人工智能与数字经济广东省实验室（深圳），广东 深圳 518107；2.深圳大学 计算机与软件学院，广东 深圳 518060

关键词：正类-无标签学习,标注确定性增强,后验概率,贝叶斯分类器,两步法

基金：广东省基础与应用基础研究基金粤深联合基金资助项目(2023B1515120020);广东省自然科学基金资助项目(2023A1515011667);深圳市基础研究项目(JCYJ20210324093609026);深圳市科技重大专项(KJZD20230923114809020)

正类-无标签学习（PUL）是在负例样本未知时，利用已知的少量正类样本和大量无标签样本训练出性能可被实际应用接受的分类器。现有的PUL算法存在共性的缺陷，即对无标签样本标注的不确定性较大，这将导致分类器学习到的分类边界不准确，并且限制了所训练分类器在新数据上的泛化能力。为了解决这一问题，提出一种以无标签样本标注确定性增强为导向的PUL（LCE-PUL）算法。首先，通过验证集的后验概率均值和正类样本集中心点的相似程度筛选出可靠的正类样本，并通过多轮迭代逐步精细化标注过程，以提升对无标签样本初步类别判断的准确性，从而提高无标签样本标注的确定性；其次，把这些可靠的正类样本与原始正类样本集合并，以形成新的正类样本集，之后从无标签样本集中将它剔除；然后，遍历新的无标签样本集，并利用每个样本与若干近邻点的相似程度再次筛选可靠正类样本，以更准确地推断无标签样本的潜在标签，从而减少误标注的可能性，并提升标注的确定性；最后，更新正类样本集，并把未被选中的无标签样本视为负类样本。在具有代表性的数据集上对LCE-PUL算法的可行性、合理性和有效性进行验证。随着迭代次数的增加，LCE-PUL算法的训练呈现收敛的特性，且当正类样本比例为40%、35%和30%时，LCE-PUL算法构建的分类器测试精度相较于基于特定成本函数的偏置支持向量机（Biased-SVM）算法、基于Dijkstra的PUL标签传播（LP-PUL）算法和基于标签传播的PUL（PU-LP）算法等5种代表性对比算法中最多提升了5.8、8.8和7.6个百分点。实验结果表明，LCE-PUL是一种有效处理PUL问题的机器学习算法。

来源：2025年第7期

《计算机应用》期刊编辑部

查看计算机应用杂志2025年第7期