标签传播算法理论及其应用研究综述

【引言】机器学习算法可以分为有监督学习和无监督学习算法两大类。所谓有监督学习，是指从已经标注好类别的数据样本中学习; 而无监督学习，是指根据数据本身的内在特点进行学习，样本事先并没有清晰的分类。半监督学习( SSL) 是一种监督学习和无监督学习相结合的方法，其主要思想是: 基于数据分布上的模型假设，利用少量的已标注数据进行指导并预测未标记数据的标记，然后合并到标记的数据集中。标签传播算法( LPA) 是由Zhu 等人于2002 年提出，它是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建立关系完全图模型，在完全图中，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。由于该算法简单易实现，算法执行时间短，复杂度低且分类效果好，引起了国内外学者的关注，并将其广泛地应用到多媒体信息分类、虚拟社区挖掘等领域中。本文利用关键字label propagation、标签传播、标签传递、标记传播、标记传递等词作为关键词，对国内外数据库及网络资源进行了检索，结果发现，目前国内外相关文献期刊论文约有90 篇，其中国外82 篇，国内8 篇，国内外硕博论文3 篇。