如何将神经网络应用于多标签分类问题？

描述：

让问题域为文档分类，其中存在一组特征向量，每个特征向量属于一个或多个类。例如，文档doc_1可能属于Sports和English类别。

题：

使用神经网络进行分类，特征向量的标签是什么？它是构成所有类的向量，以便对不相关的类赋予0值，对相关的类赋予1值吗？因此，如果类标签的列表为[Sports, News, Action, English, Japanese]，那么对于文档doc_1，标签将为[1, 0, 0, 1, 0]？

是的，在多标签学习中，标签信息通常被编码为您描述的二进制向量。这样也更容易进行评估。

我们可能要检查MULAN，这是一个用于多标签学习的开源Java库。它是Weka的扩展，已经实现了许多多标签分类器，包括神经网络。例如，您可以在此处找到BP-MLL 。

这似乎是您要寻找的论文：

张敏玲和周志华：多标签神经网络及其在功能基因组学和文本分类中的应用

从摘要：

在多标签学习中，训练集中的每个实例都与一组标签相关联，任务是输出一个标签集，对于每个看不见的实例，标签集的大小都是先验未知的。提出了一种称为BP-MLL的神经网络算法，即用于多标签学习的反向传播。...应用于两个现实世界中的多标签学习问题，即功能基因组学和文本分类，表明BP-MLL的性能优于某些完善的多标签学习算法。