集体分类和半监督学习有什么区别？

Question

我遇到了类似标题这样的问题:集体分类的定义是“集体分类是机器学习的领域，其中网络中的未知节点仅根据分配给已知节点的类和网络结构进行分类。”半监督学习是为给定的未标记数据推断正确的标签-wiki。

因此，它们之间唯一的区别是cc有分类，而ssl没有。对吗？

Answer 1

半监督学习比较一般-它没有指定/规定输入数据的结构。它可以概括为“从标记和未标记数据点的组合中学习”。用于执行推理的方法也未指定。

正如您在上面所反映的“集体分类”，确实指定了推断未标记点的方式：

基于分配给已知节点的类和网络结构。

因此，对于这些数据有一个额外的期望--它们在图结构中表示--它们的相关性可以用来计算它们的相对相似性，从而计算它们的类。

本文中的集体分类概述有助于说明(对数据结构和语义的更高期望)：

关系数据中的集体分类在过去的十年中已经成为一个重要而活跃的研究课题，其中一组关联实例的类标签是相关的，需要同时进行预测。

关于适用问题的类型的说明也说明了问题--注意，它们是面向图形的数据分析任务：

集体分类有多种实际应用，包括e.g.hyperlinked文档分类、社交网络分析和协作网络分析。