刘 斌，李 笑

(陕西科技大学电子信息与人工智能学院,陕西 西安 710021)

0 引 言

随着互联网多路径发展，尤其是移动通信技术及相关数字化业务的快速发展，消费者对于文娱活动的需求越来越多元化，众多电信运营商都将数字内容作为多元化和未来型的业务，“内容”不仅是众多运营商的战略选择，也成为其改变增长方式、实现业务转型的实际行动。对于电信行业而言，从传统的管道流量经营向基于互联网内容经营的转型不仅能带来额外的营业收入，而且可以培养大部分用户高流量的使用习惯，促进内容引入，实现流量经营，从而增加用户黏性，维护企业长期健康发展[1]。

随着5G时代来临，传统业务向数字业务转变是必然趋势。如何从客户内容需求出发，在海量内容中提取所需信息、满足客户需求、实现精准营销是对数字内容运营能力的全新挑战。近几年电信行业的数字内容多是以视频、音乐、阅读等形式大量呈现，而每个用户对于数字内容的偏好、需求也各不相同。目前行业内主要是基于业务口径进行不同偏好的用户洞察，主观色彩浓厚，不利于数字内容用户规模的发展扩大，急需一个新的方法去处理此类用户偏好问题。

近年来，多标签学习在文本分类[2-4]、音乐情感分类[5-6]、图像视频标注[7-8]、生物信息[9-10]等领域有广泛的应用。其不同于传统的单标签分类中每个样本仅与一类信息有关，多标签分类需要输出多个标签信息，且其中每个样本与一组标签相关联[11]。……