論文の概要: A Systematic Literature Review on Multi-label Data Stream Classification

• arxiv url: http://arxiv.org/abs/2508.17455v1
• Date: Sun, 24 Aug 2025 17:17:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.534345
• Title: A Systematic Literature Review on Multi-label Data Stream Classification
• Title（参考訳）: マルチラベルデータストリーム分類に関する体系的文献レビュー
• Authors: H. Freire-Oliveira, E. R. F. Paiva, J. Gama, L. Khan, R. Cerri,
• Abstract要約: 本稿では,マルチラベルデータストリーム分類の提案を詳細に分析する。 文献における最新の手法を特徴付け、包括的概要を提供し、徹底的な階層を構築し、アプローチが各問題にどのようにアプローチするかについて議論する。 我々は,主要なギャップを特定し,今後の研究の方向性を推奨する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Classification in the context of multi-label data streams represents a challenge that has attracted significant attention due to its high real-world applicability. However, this task faces problems inherent to dynamic environments, such as the continuous arrival of data at high speed and volume, changes in the data distribution (concept drift), the emergence of new labels (concept evolution), and the latency in the arrival of ground truth labels. This systematic literature review presents an in-depth analysis of multi-label data stream classification proposals. We characterize the latest methods in the literature, providing a comprehensive overview, building a thorough hierarchy, and discussing how the proposals approach each problem. Furthermore, we discuss the adopted evaluation strategies and analyze the methods' asymptotic complexity and resource consumption. Finally, we identify the main gaps and offer recommendations for future research directions in the field.
• Abstract（参考訳）: マルチラベルデータストリームのコンテキストにおける分類は、その高い実世界の適用性のために大きな注目を集めた課題である。 しかし、このタスクは、高速・ボリュームでのデータの連続到着、データ分布の変化(コンセプトドリフト)、新しいラベルの出現(コンセプト進化)、地上の真理ラベルの到着の遅延といった、動的な環境に固有の問題に直面している。 本稿では,マルチラベルデータストリーム分類の提案を詳細に分析する。 文献における最新の手法を特徴付け、包括的概要を提供し、徹底的な階層を構築し、提案が各問題にどのようにアプローチするかについて議論する。 さらに,導入した評価戦略について考察し,その手法の漸近的複雑性と資源消費を分析した。 最後に、主要なギャップを特定し、今後の研究の方向性を推奨する。

関連論文リスト

• Adapting Vision-Language Models Without Labels: A Comprehensive Survey [74.17944178027015]
  VLM(Vision-Language Models)は、幅広いタスクにまたがる顕著な一般化機能を示す。 近年,ラベル付きデータに依存しない教師なし適応手法に注目が集まっている。 本稿では,未ラベルの視覚データの可用性と性質に基づく分類法を提案し,既存のアプローチを4つの重要なパラダイムに分類する。
  論文  参考訳（メタデータ） (2025-08-07T16:27:37Z)
• A Comprehensive Review on Hashtag Recommendation: From Traditional to Deep Learning and Beyond [0.37865171120254354]
  ハッシュタグは、基本的な分類メカニズムとして、コンテンツの可視性とユーザエンゲージメントを高める上で重要な役割を果たす。 正確で堅牢なハッシュタグレコメンデーションシステムの開発は、依然として複雑で進化中の研究課題である。 本稿では,ハッシュタグレコメンデーションシステムの体系的解析を行い,近年のいくつかの側面にわたる進歩について検討する。
  論文  参考訳（メタデータ） (2025-03-24T13:40:36Z)
• Tackling Diverse Minorities in Imbalanced Classification [80.78227787608714]
  不均衡データセットは、様々な現実世界のアプリケーションで一般的に見られ、分類器の訓練において重要な課題が提示されている。 マイノリティクラスとマイノリティクラスの両方のデータサンプルを混合することにより、反復的に合成サンプルを生成することを提案する。 提案するフレームワークの有効性を,7つの公開ベンチマークデータセットを用いて広範な実験により実証する。
  論文  参考訳（メタデータ） (2023-08-28T18:48:34Z)
• Annotating Ambiguous Images: General Annotation Strategy for High-Quality Data with Real-World Biomedical Validation [2.5817162127446154]
  課題のあるデータセットで高品質なラベルを生成するための新しい戦略を導入する。 バイオメディカル分野における厳格な実世界テストケースを通して,我々の方法論を検証した。
  論文  参考訳（メタデータ） (2023-06-21T11:35:37Z)
• Variational Distillation for Multi-View Learning [104.17551354374821]
  我々は,多視点表現学習における2つの重要な特徴を利用するために,様々な情報ボトルネックを設計する。 厳密な理論的保証の下で,本手法は,観察とセマンティックラベルの内在的相関の把握を可能にする。
  論文  参考訳（メタデータ） (2022-06-20T03:09:46Z)
• Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
  ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。 本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2021-07-05T16:32:45Z)
• Through the Data Management Lens: Experimental Analysis and Evaluation of Fair Classification [75.49600684537117]
  データ管理研究は、データとアルゴリズムの公平性に関連するトピックに対する存在感と関心が高まっている。 我々は,その正しさ,公平性,効率性,スケーラビリティ,安定性よりも,13の公正な分類アプローチと追加の変種を幅広く分析している。 我々の分析は、異なるメトリクスとハイレベルなアプローチ特性がパフォーマンスの異なる側面に与える影響に関する新しい洞察を強調します。
  論文  参考訳（メタデータ） (2021-01-18T22:55:40Z)
• Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
  本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
  論文  参考訳（メタデータ） (2020-05-21T20:10:38Z)
• Challenges in Benchmarking Stream Learning Algorithms with Real-world Data [2.861782696432711]
  ストリーミングデータは、センサー計測、衛星データフィード、株式市場、金融データなど、現実世界のアプリケーションにますます存在する。 データストリームマイニングコミュニティは、新しい提案の比較と評価に関するいくつかの主要な課題と困難に直面している。 実世界のデータを用いたストリームアルゴリズムのベンチマークのための新しい公開データリポジトリを提案する。
  論文  参考訳（メタデータ） (2020-04-30T21:31:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。