在多标记学习框架下，每个样本由单个示例进行表示但同时隶属于多个概念标记。多标记学习系统的目标是分析概念标记集合已知的训练样本，从而尽可能正确地预测未知样本的概念标记集合。目前有关多标记学习已经取得了大量的研究成果，本文将对其研究现状进行简要介绍。首先给出多标记学习的形式化定义及其评价指标，然后介绍已有的多标记学习算法以及该领域内常用的实验数据集，最后对多标记学习有待进一步研究的问题进行讨论。
特别声明：本站注明稿件来源为其他媒体的文/图等稿件均为转载稿，本站转载出于非商业性的教育和科研之目的，并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题，请作者在两周内速来电或来函联系。
京公网安备 11040202430174号![京网文[2017]10376-1180号](/images/indexnew/www1024.jpg){kind=link}