邹　珊（北京交通大学计算机与信息技术系，北京100044）

基于共享子空间的多标签数据学习模型研究

邹珊
（北京交通大学计算机与信息技术系，北京100044）

在多标签分类问题中，多个标签共享同一个输入空间，而且同一个实例的不同标签之间也存在一定的相关性，所以在研究此类问题的时候，标签之间的关联性研究就显得尤为重要。现有的多标签学习对于标签之间的相关的研究均是在原始数据上进行的，而我们希望对原始数据进行重表示，从原始输入空间中提炼出高层的语义信息将高维的数据映射到一个低维的子空间中，在类标信息作指导的情况下体现类标之间的共享信息的特点。再利用已有的分类方法进行多标签的分类。对多个网页分类任务进行实验，结果表明此种方法在一定程度上提高分类效果。

多标签学习；共享空间；数据重表示

1　问题的提出

在机器学习中，研究最多应用最广泛的监督学习（Traditional Supervised Learning）通过分析训练数据集获得输入特征空间和输出标签空间之间的一个映射函数。该传统方法在待学习对象具有明确的、单一的语义时（即对象标签唯一），已经取得了巨大的成功。然而，真实世界的对象往往具有多义性，即一个样本可能同时属于多个类别。例如，在文档分类问题中[1～2]，每篇文档可能属于多个预定义的主题；在图片分类中，每个图片可能含有不同的语义；在生物信息学问题中[3]，每个基因可能同时具有多种功能等。……