여러 라벨을 한꺼번에 맞히는 문제에서 Jaccard/IoU 점수를 완벽하게 최적화하려면, 필요한 예측 공간이 라벨 수에 따라 폭발적으로 커진다는 것을 증명한 논문이다.
여러 라벨을 한꺼번에 맞히는 문제에서 Jaccard/IoU 점수를 완벽하게 최적화하려면, 필요한 예측 공간이 라벨 수에 따라 폭발적으로 커진다는 것을 증명한 논문이다. 무엇이 문제였나 — Jaccard는 예측한 라벨 집합과 실제 라벨 집합이 얼마나 겹치는지를 보는 점수다. 어떻게 풀었나 — 이 논문은 이 점수를 정확히 최적화하는 convex 학습 방법에는 최소 2^(s-1) 차원이 필요하다고 보인다. 그래서 뭐가 좋아졌나 — 완벽함을 조금 포기하면 F1 기반 방법이나 MinHash 기반 방법으로 다항 차원에서 제한된 오차 보장을 얻을 수 있다. ...