multietichetta

Multietichetta è il termine usato in informatica per descrivere la classificazione multi-etichetta, in cui un singolo esempio può essere assegnato a più etichette tra un insieme prefissato. Si distingue dalla classificazione multiclass, in cui ogni esempio ha una sola etichetta. Il concetto è comune in ambiti come elaborazione del linguaggio naturale, visione artificiale, etichettatura di immagini e annotazione di dati, e vale per dati strutturati e non strutturati.

Le principali tecniche si dividono in due gruppi. Le trasformazioni del problema includono binary relevance (una classificazione per etichetta) e powerset (trattare ogni combinazione di etichette come una classe). Le tecniche di adattamento estendono modelli esistenti (alberi, SVM, reti neurali) a output multi-etichetta, usando probabilità per etichetta o funzioni di perdita multi-label. Nelle reti profonde si impone l’uso di attivazione sigmoid per ogni etichetta e di una perdita binary cross-entropy o di ranking.

Le metriche comuni includono la perdita di Hamming, l’accuratezza di sottoinsieme (exact match) e misure di precisione, richiamo e F1 calcolate per etichetta o tramite micro- e macro-averaging. Le applicazioni tipiche includono etichettatura di immagini e video, categorizzazione testuale, tagging musicale e annotazione di dati biomedici. Le principali sfide sono lo squilibrio delle etichette, la dipendenza tra etichette, il rumore di etichettatura e problemi di scalabilità quando aumenta il numero di etichette.