Resumen

El desequilibrio de etiquetas es una de las características de los datos multietiqueta, y los datos desequilibrados afectan seriamente el rendimiento de los clasificadores. En la clasificación multietiqueta, los métodos de remuestreo se utilizan principalmente para abordar problemas de desequilibrio. Los métodos de remuestreo existentes equilibran los datos mediante submuestreo u sobremuestreo, lo que provoca sobreajuste y pérdida de información. El remuestreo tiene un impacto significativo en las etiquetas minoritarias. Además, la alta concurrencia de etiquetas mayoritarias y minoritarias en muchas instancias también afecta el rendimiento de la clasificación. En este estudio, se propuso un método de remuestreo bidireccional para desacoplar conjuntos de datos multietiqueta. Por un lado, la concurrencia de etiquetas puede reducirse estableciendo condiciones de terminación para el desacoplamiento, y por otro lado, la pérdida de información de instancias y el sobreajuste pueden aliviarse combinando sobremuestreo y submuestreo. Al med

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Desequilibrio de etiquetas; Datos multietiqueta; Métodos de remuestreo; Etiquetas minoritarias; Concurrencia; Clasificación
• Keywords:Label imbalance; Multilabel data; Resampling methods; Minority labels; Concurrency; Classification