Classificação Multirótulo é um problema de aprendizagem supervisionado no qual um modelo é treinado para atribuir cada documento de entrada a um conjunto de rótulos, onde um ou mais rótulos podem ser associados a cada documento. É diferente da classificação multiclasse, que atribui apenas um único rótulo a cada item em uma determinada entrada.
A Classificação Multilabel pode ser usada quando as classes dos objetos são hierárquicas. Por exemplo, ao classificar a imagem de um carro, ela pode ser colocada nos rótulos “veículo” e “carro”. Aqui, o rótulo “carro” é um subrótulo do rótulo mais geral “veículo”. A classificação multirótulo com rótulos hierárquicos permite que o rótulo fornecido seja mais específico.
A Classificação Multirótulos também pode ser mais precisa ao classificar dados complexos, pois permite múltiplos rótulos e permite que a máquina faça escolhas com base em todos os rótulos associados a um determinado item. Por exemplo, ao classificar a imagem de um veículo, a Classificação Multirótulos permite que a máquina faça escolhas com base nos rótulos “carro”, “moto”, “caminhão” e assim por diante.
A Classificação Multirótulo também pode ser usada em tarefas de categorização baseadas em texto, como artigos de notícias. Aqui, um determinado artigo pode ser classificado com os rótulos do tema do artigo, da região a que está relacionado e até mesmo do sentimento expresso no texto.
A classificação multirótulo tornou-se cada vez mais popular à medida que a disponibilidade e a disponibilidade de grandes conjuntos de dados rotulados também aumentaram. Aproveitando a capacidade da Classificação Multirótulos de atribuir vários rótulos aos dados, é possível obter maior precisão.
