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。

>>查看原文初稿链接<<

>>更多科技论文<<