‫يادگيری ماشين ‪( 04-717‬گروه دوم)‬
‫نيمسال اول ‪49-40‬‬
‫پروژه اول (‪ 04+144‬نمره)‬
‫مدرس‪ :‬سليمانی‬
‫موعد تحويل‪ 10 :‬آذر ‪49‬‬
‫طراح پروژه‪ :‬مقصودی‬
‫‪ .1‬هدف پروژه‬
‫یکی از موضوعات موردتوجه در حوزه یادگیری ماشین دستهبندی متون است که از کاربردهای آن به صورت خاص دستهبندی‬
‫تمایالت‪ 1‬کاربران در فضای مجازی است‪ .‬در حقیقت با توجه به رویکرد روزافزون به اینترنت امروزه بسیاری از کاربران برای ثبت‬
‫نقد خود درباره کاالها و خدمات مختلف و یا امتیاز دادن به آنها از اینترنت استفاده میکنند‪ .‬در این پروؤه هدف بهکارگیری روشهای‬
‫مختلف یادگیری ماشین برای دستهبندی نظرات و پیشبینی امتیازها یا نظرات کاربران میباشد‪ .‬برای این منظور‪ ،‬در ادامه برای حل‬
‫مسائل مذکور چند روش پیشنهاد شده و انتظار میرود که گزارش پروژه در مورد هر آزمایش شامل بحث روی نتایج به دست آمده‬
‫واستفاده بهجا از مفاهیم آموزش داده شده در کالس درس (نحوه تعیین پارامترها‪ ،‬بهکارگیری تکنیکهای مناسب برای جلوگیری از‬
‫بیش برازش در روشها و ‪ )...‬باشد‪.‬‬
‫‪ .2‬معرفی مجموعه داده‬
‫همانطور که عنوان شد در این پروژه هدف تحلیل تمایالت یا نظرات ثبت شده در ارتباط با یک کاال یا خدمات خاص است‪ .‬متناسب‬
‫با این موضوع مجموعه داده مربوط به نقد فیلمهای سینمایی [‪ ]1‬که از مرجع ‪ IMDB‬جمعآوری شده‪ ،‬استفاده شده است‪ .‬این مجموعه‬
‫داده در دو نسخه در دسترس میباشد که در یک حالت نقد کاربران را به دو دسته مثبت و منفی شامل ‪ 1111‬نقد مثبت و ‪ 1111‬نقد‬
‫منفی تقسیم میکند‪ .‬نسخه دیگر شامل نقد کاربران به همراه امتیازاتی است که کاربران مختلف از ‪ 1‬تا ‪ 4‬ستاره به فیلمهای سینمایی‬
‫دادهاند‪ .‬در این حالت چهار مجموعه داده از چهار نویسنده در پوشههای مجزا در اختیار شما قرار خواهد گرفت که هر یک از پوشهها‬
‫فایلی با پسوند ‪ mat‬دارد که شامل ماتریس ویژگیهای استخراج شده (‪ ،)TF‬یک فایل >‪ rating.<author_name‬شامل یک عدد در‬
‫بازه ‪ 1‬تا ‪ 1‬متناظر با تعداد ستارههای داده شده توسط کاربر برای هر نقد و فایل >‪ 4class.<author_name‬که شامل تبدیل امتیازهای‬
‫نرمال شده به ‪ 4‬کالس با برچسبهای ‪ 1‬تا ‪ 3‬میباشد‪ ،‬است‪.‬‬
‫میدانیم که نخستین گام برای استفاده از مجموعه داده انتخاب ویژگیها و وزندهی به آنها میباشد تا به این ترتیب هر یک از متون‬
‫به صورت یک بردار از ویژگیها تبدیل شود‪ .‬در این پروژه جهت استخراج ویژگی از ایدهی کیسه لغات‪ 2‬استفاده میشود‪ .‬الزم به ذکر‬
‫‪1‬‬
‫‪Sentiment Classification‬‬
‫‪2‬‬
‫‪Bag of words‬‬
‫است که ابتدا پیشپردازشهای الزم برای حذف کلمات رایج (‪ )stop word‬و در آوردن کلمات به فرم ریشه خود (‪ )stemming‬انجام‬
‫شده است‪ .‬سپس برای هر نقد تعداد تکرار کلمات مختلف موجود در واژگان تحت عنوان ‪ )term frequency( tf‬به عنوان بردار‬
‫ویژگی اولیه نگهداری میشود‪ .‬در این حالت داده آموزش و آزمون به ازای هر نقد بردار > 𝑉𝑓𝑡 ‪ < 𝑡𝑓1 , 𝑡𝑓2 , … ,‬شامل تعداد تکرار‬
‫مربوط به هر کلمه در نقد مربوطه را شامل میشود (‪ V‬تعداد کل کلمات در مجموعه واژگان است)‪.‬‬
‫از آنجا ارزش لغات مختلف در تحلیل متون متفاوت است و به عبارت دیگر کلمات پرتکرار از ارزش کمتری در تحلیل متون برخودار‬
‫هستند‪ ،‬ویژگیها وزندهی نیز میشوند و برای وزندهی ویژگیها از معیار ‪ idf‬استفاده میشود‪ .‬به عبارت دیگر برای ویژگی 𝑖‪-‬ام ابتدا‬
‫تعداد نقدهایی که کلمه 𝑖‪-‬ام را شامل میشوند تحت عنوان 𝑖𝑓𝑑 پیدا میشود و سپس مقدار ویژگی 𝑖‪-‬ام‪ ،‬برای نمونه (نقد) 𝑗‪-‬ام به‬
‫صورت 𝑁𝑓𝑑 ‪ 𝑡𝑓𝑖,𝑗 × log‬تحت عنوان معیار ‪ tf-idf‬محاسبه میشود‪ .‬در واقع ویژگی 𝑖‪-‬ام برای نمونهها در مقدار 𝑁𝑓𝑑 ‪ log‬ضرب میشود‪.‬‬
‫𝑖‬
‫𝑖‬
‫در این حالت داده آموزشی را به این صورت در نظر میگیریم که به ازای هر نقد بردار فرکانس واژهها به صورت > 𝑉𝑓𝑡 ‪< 𝑡𝑓1 , 𝑡𝑓2 , … ,‬‬
‫شامل تعداد تکرار مربوط به هر کلمه در این نقد است را در اختیار داریم (‪ V‬تعداد کل کلمات در مجموعه واژگان است)‪ .‬با پیدا کردن‬
‫مقادیر 𝑓𝑑 برای واژهها‪ ،‬ویژگیهای وزندار ‪ tf-idf‬برای مجموعه دادههای آموزش و آزمون محاسبه شدهاند‪.‬‬
‫‪ .3‬نقد مثبت و منفی (‪ 22‬نمره)‬
‫همانطور که گفته شد یکی از مجموعه دادههای مورد استفاده شامل نظرات کاربران درباره فیلمهای سینمایی و دستهبندی آنها به دو‬
‫دسته نقدهای مثبت و منفی میباشد‪ .‬در این بخش از پروژه با این مجموعه داده کار میکنیم و در نتیجه هدف اعمال یک روش‬
‫دستهبندی برای تعیین مثبت یا منفی بودن هر نقد خواهد بود‪ .‬به این منظور روشهای دستهبندی رگرسیون لجیستیک‪ ،3‬ماشین بردار‬
‫پشتیبان‪ 4‬و بیز ساده‪ 5‬را به کار برده و نتایج هر دستهبند را بر اساس ماتریس درهمریختگی‪( 6‬شامل مقادیر ‪ FP ،TN ،TP‬و ‪ )FN‬و‬
‫معیار درستی‪ 7‬که به صورت زیر محاسبه میشود‪:‬‬
‫𝑁𝑇 ‪𝑇𝑃 +‬‬
‫𝑁𝐹 ‪𝑇𝑃 + 𝑇𝑁 + 𝐹𝑃 +‬‬
‫= 𝑦𝑐𝑎𝑟𝑢𝑐𝑐𝑎‬
‫نمایش داده و در نهایت نتایج دستهبندها را با هم مقایسه کنید‪.‬‬
‫‪Logistic Regression‬‬
‫‪3‬‬
‫‪SVM‬‬
‫‪4‬‬
‫‪Naïve Bayes‬‬
‫‪5‬‬
‫‪6‬‬
‫‪Confusion Matrix‬‬
‫‪7‬‬
‫‪Accuracy‬‬
‫الزم به ذکر است که در استفاده از دستهبند رگرسیون لجیستیک برای پیشگیری از بروز بیشبرازش تمهید الزم را با توجه به آنچه در‬
‫کالس درس آموختهاید در نظر بگیرید‪ .‬همچنین با توجه به تمرین سری دوم درس در حالت استفاده از دستهبند بیز ساده توزیع پیشین‬
‫مناسب و راهحل درست برای مشکالت احتمالی را مدنظر قرار دهید‪.‬‬
‫‪ .4‬امتيازدهی به نقدها‬
‫نسخه دیگری از مجموعه داده که مورد استفاده قرار میگیرد‪ ،‬نسخهای است که مربوط به امتیازدهی کاربران به هر نقد با یک تا چهار‬
‫ستاره میباشد‪ .‬در این بخش از شما خواسته میشود که به سه روشی که در ادامه ذکر خواهد شد‪ ،‬امتیاز مربوط به یک نقد جدید را‬
‫پیشبینی کنید‪ .‬در این بخش برای ارزیابی نتایج از معیار درستی و ‪ F-measure‬استفاده کرده و روشها را با هم مقایسه کنید‪ .‬معیار ‪F-‬‬
‫‪ measure‬بر حسب دقت و یادآوری در یک دستهبندی دو دستهای با استفاده از رابطه زیر محاسبه میشود‪:‬‬
‫𝑙𝑙𝑎𝑐𝑒𝑟 × 𝑛𝑜𝑖𝑠𝑖𝑐𝑒𝑟𝑝 × ‪2‬‬
‫𝑙𝑙𝑎𝑐𝑒𝑟 ‪𝑝𝑟𝑒𝑐𝑖𝑠𝑖𝑜𝑛 +‬‬
‫= 𝑒𝑟𝑢𝑠𝑎𝑒𝑚 ‪𝐹 −‬‬
‫𝑃𝑇‬
‫𝑃𝐹 ‪𝑇𝑃 +‬‬
‫= 𝑛𝑜𝑖𝑠𝑖𝑐𝑒𝑟𝑝‬
‫𝑃𝑇‬
‫𝑁𝐹 ‪𝑇𝑃 +‬‬
‫= 𝑛𝑜𝑖𝑠𝑖𝑐𝑒𝑟𝑝‬
‫که برای استفاده از این معیار در یک دستهبندی چنددستهای میتوان از میانگینگیری ‪ precision‬و ‪ recall‬بهدست آمده روی دستههای‬
‫مختلف به صورت زیر استفاده کرد‪:‬‬
‫𝑙𝑙𝑎𝑐𝑒𝑟_𝑜𝑟𝑐𝑎𝑚 × 𝑛𝑜𝑖𝑠𝑖𝑐𝑒𝑟𝑝_𝑜𝑟𝑐𝑎𝑚 × ‪2‬‬
‫𝑙𝑙𝑎𝑐𝑒𝑟_𝑜𝑟𝑐𝑎𝑚 × 𝑛𝑜𝑖𝑠𝑖𝑐𝑒𝑟𝑝_𝑜𝑟𝑐𝑎𝑚𝑝‬
‫= 𝐹_𝑜𝑟𝑐𝑎𝑚‬
‫𝑐𝑁‬
‫‪1‬‬
‫= 𝑛𝑜𝑖𝑠𝑖𝑐𝑒𝑟𝑝_𝑜𝑟𝑐𝑎𝑚‬
‫)𝑖 𝑠𝑠𝑎𝑙𝑐 𝑓𝑜 𝑛𝑜𝑖𝑠𝑖𝑐𝑒𝑟𝑝(∑‬
‫𝑐𝑁‬
‫‪𝑖=1‬‬
‫𝑐𝑁‬
‫‪1‬‬
‫)𝑖 𝑠𝑠𝑎𝑙𝑐 𝑓𝑜 𝑙𝑙𝑎𝑐𝑒𝑟(∑‬
‫𝑐𝑁‬
‫= 𝑙𝑙𝑎𝑐𝑒𝑟_𝑜𝑟𝑐𝑎𝑚‬
‫‪𝑖=1‬‬
‫در این رابطه 𝑐𝑁 تعداد دستهها را نشان میدهد‪.‬‬
‫بخش اول‪ -‬استفاده از رگرسيون خطی (‪ 11‬نمره)‬
‫در این حالت از فایل مربوط به امتیازها (در حالت پیوسته) استفاده کنید و بردار وزن در روش رگرسیون خطی را برای هر یک از ‪4‬‬
‫کاربر داده شده به دست آورید‪ .‬بردار وزن در روش رگرسیون خطی (با در نظر گرفتن جمله منظمسازی) را برای هر یک از ‪ 4‬کاربر‬
‫داده شده به دست آورید‪ .‬به عنوان توابع پایه در رگرسیون از تابع پایه چندجملهای استفاده کرده و با در نظر گرفتن یک مقدار درجه‬
‫بزرگ ثابت برای چند جملهای مقدار مناسب برای ضریب منظمسازی را با بهکارگیری روش اعتبارسنجی ‪5‬گانه تعیین کنید‪ .‬بعد از به‬
‫دست آوردن خروجی به ازای هر داده آزمون با استفاده از قوانین داده شده در زیر آن را به یک شماره دسته نگاشت کنید و سپس با‬
‫توجه به برچسبهای داده شده روش خود را طبق معیارهای باال ارزیابی کنید‪.‬‬
‫‪Label 0: rating <=.3‬‬
‫‪Label 1: .3 < rating <=.5‬‬
‫‪Label 2: .5 < rating <= .7‬‬
‫‪Label 3: .7 < rating‬‬
‫همچنین خروجی خام به دست آمده را نیز طبق معیار ‪ RMSE‬با خروجی پیوسته مطلوب مقایسه نمایید‪.‬‬
‫بخش دوم‪ -‬استفاده از دستهبندی (‪ 21‬نمره)‬
‫برای حل مسئله با استفاده از دستهبندی از فایل شامل برچسبهای ‪ 1‬تا ‪ 3‬برای هر یک از ‪ 4‬کاربر استفاده کنید‪ .‬دستهبندهای موردنظر‬
‫برای این بخش نیز دستهبندهای ‪-K‬نزدیکترین همسایه‪ ،‬ماشین بردار پشتیبان‪ ،‬رگرسیون لجستیک و بیز ساده هستند که باید در حالت‬
‫چنددستهای مورد استفاده قرار بگیرند‪ .‬در روش ‪-K‬نزدیکترین همسایه از شباهت کسینوسی به عنوان معیار شباهت استفاده نمایید‪.‬‬
‫برای تعیین مقدار مناسب 𝐾 در دستهبند ‪-K‬نزدیکترین همسایه و تعیین 𝐶 در ماشین بردار پشتیبان روش اعتبارسنجی ‪5‬گانه را به کار‬
‫ببرید‪ .‬به عنوان تابع هسته ماشین بردار پشتیبان نیز از هستههای چندجملهای و گوسی استفاده کرده و با توجه به اینکه در این مسئله با‬
‫دستهبندی چند دستهای سروکار داریم از روش مناسب برای تبدیل دستهبند به حالت چنددستهای استفاده کرده و در گزارش خود‬
‫درباره آن توضیح دهید‪.‬‬
‫بخش سوم‪ -‬استفاده از رگرسيون ترتيبی‪ 31( 8‬نمره)‬
‫روشهایی که تا این قسمت از سؤال برای دستهبندی استفاده کردیم روشهایی بودند که به ارتباط بین برچسبها در این مسئله خاص‬
‫توجه نکردهاند‪ .‬به عنوان مثال به صورت مفهومی نقدی که دو ستاره دارد از نظر امتیاز به نقدی که یک ستاره دارد نزدیکتر است تا‬
‫به نقدی که ‪ 4‬ستاره به آن داده شده است‪ .‬هدف از این بخش از تمرین آشنایی با روشهای ‪ Ordinal Regression‬است‪ .‬این روشها‬
‫زمانی که با دادههایی با برچسبهای گسسته اما از نوع ترتیبی سروکار داریم مناسب هستند‪ .‬به عبارتی میتوان این روشها را از نظر‬
‫محدود بودن تعداد مقادیر ممکن برای خروجی شبیه به دستهبندی و از نظر وجود ارتباط بین خروجیها شبیه به رگرسیون دانست‪.‬‬
‫دستهای از روشهای مورد استفاده برای ‪ Ordinal Regression‬مبتنی بر دستهبندها هستند‪ .‬در ادامه یکی از این روشها که بر پایه‬
‫ماشین بردار پشتیبان بوده و در مرجع [‪ ]2‬پیشنهاد شده مورد بررسی قرار میگیرد‪ .‬برای ارزیابی روش پیادهسازی در این بخش عالوه‬
‫بر معیارهای عنوان شده‪ ،‬از معیار ‪ RMSE‬که برای روشهای ترتیبدار مناسبتر میباشد نیز استفاده نمایید‪.‬‬
‫فرض کنید 𝒙 نشاندهنده ورودی‪ 𝜙(𝒙) ،‬تابع نگاشت ورودی به فضای جدید‪ 𝑘 ،‬تابع هسته و مجموعه }𝑟 ‪ 𝑌 = {1, … ,‬مجموعه شامل‬
‫برچسبهای ترتیبی باشد‪ .‬همچنین فرض میکنیم تعداد عناصر موجود در دسته 𝑗 را با 𝑗𝑛 نشان دهیم‪ .‬اگر به مسئله دستهبندی با ماشین‬
‫‪Ordinal Regression‬‬
‫‪8‬‬
‫بردار پشتیبان با این دید نگاه کنیم که مسئله عبارت است از یافتن جهت بردار نرمال ابرصفحه مرزی و ‪ 𝑟 − 1‬عدد که مکان مرزها را‬
‫مشخص میکنند‪ ،‬میتوان مسئله تعیین برچسب ترتیبی را معادل با یافتن یک بردار 𝒘 و ‪ 𝑟 − 1‬مقدار حدآستانه که مشخص کننده‬
‫‪ 𝑟 − 1‬ابرصفحه در فضای نمونهها هستند در نظر گرفت‪ .‬این مسئله را میتوانید در شکل ‪ 1‬مشاهده کنید‪.‬‬
‫شکل ‪ :1‬فضای مسئله‬
‫‪SVM ordinal regression‬‬
‫به این ترتیب اگر برای دو دسته مجاور 𝑗 و ‪ 𝑗 + 1‬حد آستانه 𝑗𝑏 در نظر گرفته شده باشد‪ ،‬هر نمونه در دسته 𝑗 باید با در نظر گرفتن‬
‫حاشیه مقداری کمتر از ‪ 𝑏𝑗 − 1‬داشته باشد‪ .‬در غیر این صورت خطایی برابر با )‪ 𝑤 𝑇 𝜙(𝒙𝒋𝒊 ) − (𝑏𝑗 − 1‬برای آن نمونه منظور خواهد‬
‫شد‪ .‬همین حالت باید برای نمونههای دسته ‪ 𝑗 + 1‬هم برقرار بوده و مقدار به دست آمده برای آنها باید از ‪ 𝑏𝑗 + 1‬بیشتر باشد که در‬
‫𝑗‬
‫𝟏‪ (𝑏𝑗+1 − 1) − 𝑤 𝑇 𝜙(𝒙𝒋+‬میشود‪ .‬با توجه به آنچه گفته شد‪ ،‬اگر خطای اول را با 𝑖𝜉 و خطای‬
‫غیر این صورت مقدار خطا برابر با ) 𝒊‬
‫‪∗𝑗+1‬‬
‫دوم را با‬
‫𝑖𝜉 نشان دهیم‪ ،‬مسئله اصلی‪ SVM 9‬برای ‪ Ordinal Regression‬به صورت زیر خواهد بود‪:‬‬
‫‪𝑛𝑗+1‬‬
‫)‬
‫‪∗𝑗+1‬‬
‫𝑖𝜉‬
‫𝑗𝑛‬
‫‪𝑟−1‬‬
‫𝑗‬
‫‪1‬‬
‫∑ ‪min𝒘,𝑏,𝜉,𝜉 ∗ 𝒘𝑻 𝒘 + 𝐶 ∑(∑ 𝜉𝑖 +‬‬
‫‪2‬‬
‫‪𝑗=1 𝑖=1‬‬
‫‪𝑖=1‬‬
‫شرایط مسئله نیز در این حالت عبارتند از‪:‬‬
‫𝑗‬
‫𝒋‬
‫𝑖𝜉 ‪𝒘𝑇 𝜙(𝒙𝒊 ) − 𝑏𝑗 ≤ −1 +‬‬
‫𝑗‬
‫𝑗𝑛 ‪𝜉𝑖 ≥ 0, 𝑓𝑜𝑟 𝑖 = 1, … ,‬‬
‫‪∗𝑗+1‬‬
‫𝑖𝜉 ‪) − 𝑏𝑗 ≥ 1 +‬‬
‫‪𝑗+1‬‬
‫𝑖𝒙(𝜙 𝑇𝒘‬
‫‪≥ 0, 𝑓𝑜𝑟 𝑖 = 1, … , 𝑛𝑗+1‬‬
‫‪∗𝑗+1‬‬
‫𝑖𝜉‬
‫‪Primal‬‬
‫‪9‬‬
‫برای در نظر گرفتن شرط الزم ‪ 𝑏1 ≤ 𝑏2 ≤ ⋯ ≤ 𝑏𝑟−1‬به منظور حفظ سازگاری حدود آستانه نیز محدودیت زیر به مسئله اضافه‬
‫میشود‪:‬‬
‫‪𝑏𝑗−1 ≤ 𝑏𝑗 , 𝑓𝑜𝑟 𝑗 = 2, … , 𝑟 − 1‬‬
‫اکنون اگر برای سادهتر کردن رابطه اصلی متغیرهای جدید ∞‪ 𝑏0 = −‬و ∞‪ 𝑏𝑟 = +‬را تعریف کنیم‪ ،‬رابطه اصلی به صورت زیر‬
‫بازنویسی خواهد شد‪:‬‬
‫𝑗𝑛‬
‫𝑟‬
‫𝑗‬
‫‪∗𝑗+1‬‬
‫‪1‬‬
‫) 𝑖𝜉 ‪min𝑤,𝑏,𝜉,𝜉 ∗ 𝒘𝑻 𝒘 + 𝐶 ∑ ∑(𝜉𝑖 +‬‬
‫‪2‬‬
‫‪𝑗=1 𝑖=1‬‬
‫اکنون با توجه به توضیحات ارائه شده به سؤاالت زیر پاسخ دهید‪:‬‬
‫‪ 4( .a‬نمره) ابتدا توضیح دهید چگونه استفاده از یک بردار 𝒘 و ‪ 𝑟 − 1‬مقدار ثابت میتواند منجر به حل مساله رگرسیون‬
‫ترتیبی شود‪ .‬سپس اجزای مسالهی بهینهسازی معرفی شده باال و تاثیر هر یک را هم مختصراً توصیف کنید‪.‬‬
‫‪ 7( .b‬نمره) با نوشتن تابع الگرانژ و در نظر گرفتن شرایط ‪ KKT‬فرم دوگان عبارت اصلی را به دست آورید‪.‬‬
‫‪ 4( .c‬نمره) پس از به دست آوردن بردارهای پشتیبان‪ ،‬فرم تابع جداساز برای این مسئله را مشخص نمایید؟‬
‫‪ 21( .d‬نمره) با استفاده از معادله به دست آمده برای فرم دوگان مسئله که فرم درجه دو دارد این روش را پیادهسازی کرده‬
‫و مقادیر معیارهای خواسته شده را پیدا کنید‪.‬‬
‫تحليل نتايج (‪ 5‬نمره)‬
‫نتایج به دست آمده در بخشهای اول تا سوم برای امتیازدهی نقدها را مقایسه و تحلیل نمایید‪.‬‬
‫‪ .1‬دستهبندی چندبرچسبی (‪ 22‬نمره اضافه)‬
‫مسئله دیگری که در دستهبندی نظرات کاربران گاهی با آن مواجه میشویم قرار گرفتن یک نقد در چند دسته میباشد‪ .‬به عنوان مثال‬
‫اگر هدف در یک کاربردی دستهبندی نقدهای کابران از نظر احساس آنها باشد و دستههای در نظر گفته شده رضایت‪ ،‬تأسف‪،‬‬
‫عصبانیت‪ ،‬بیتفاوتی و ترس باشد‪ ،‬ممکن است یک نمونه نقد در هر دو دسته ترس و تأسف قرار بگیرد‪ .‬به چنین مسئلهای چندبرچسبی‬
‫گفته میشود‪ .‬میتوان گفت دو راه کلی برای حل مسئلههای چندبرچسبی وجود دارد‪ .‬یک روش مبتنی بر تبدیل مسئله به یک یا چند‬
‫مسئله تکبرچسبی و سپس ترجمه خروجی به دست آمده در زمان آزمون به حالت چندبرچسبی و راه دیگر مبتنی بر تغییر الگوریتمهای‬
‫دستهبندی تکبرچسبی برای حل مسئله چندبرچسبی به صورت مستقیم میباشد‪ .‬هدف از این بخش از پروژه پیادهسازی یک راهحل‬
‫پیشنهادی برای مسئله چندبرچسبی با استفاده از مجموعه دادهای که در اختیار شما قرار گرفته میباشد‪.‬‬
‫‪ .a‬روش پیشنهادی خود را به طور کامل با ذکر روابط و قانون تصمیمگیری آن شرح دهید‪.‬‬
‫‪ .b‬معیاری مناسب برای ارزیابی یک روش دستهبندی چندبرچسبی ارائه دهید‪.‬‬
‫‪ .c‬پس از پیادهسازی نتایج خود را با توجه به معیار باال روی مجموعه دادهی مربوه گزارش کنید‪.‬‬
‫مراجع‬
‫‪[1] http://www.cs.cornell.edu/people/pabo/movie-review-data/‬‬
‫‪[2] W. Chu and S.S. Keerthi. Support vector ordinal regression. Neural Computation, 19(3), 2007.‬‬