肖萍婉，王子牛，高建瓴

(贵州大学 大数据与信息工程学院，贵阳550025)

0 引 言

在大数据时代，每天都在产生各种类型的数据，数据量大且具有多样性。多标签文本在日常生活中十分常见，例如:一条微博可能同时标注“明星”、“综艺”、“搞笑”、“娱乐”等多个标签；一则体育新闻可能同时标注“体操”、“奥运会”、“体育”等标签。多标签文本分类在现实生活中有许多实际应用，如视频注释、主题识别［1］、情感分析［2］、信息检索［3］等。因此，多标签文本分类任务是自然语言处理领域一个十分重要却又富有挑战性的任务。

1 相关研究

目前，多标签文本分类的研究方法可分为3种类型，分别是算法适应方法、问题转换方法和神经网络方法。算法适应方法是根据已存在的传统单标签文本分类算法，进行相对应的改进后，得到适应处理多标签分类的算法。Elissee等人提出Rank-SVM（Ranking Support Vector Machine）方法［4］，是将经典的支持向量机运用到多标签分类中；陆凯等人提出的ML-KNN方法［5］，是先利用K近邻算法得到近邻样本的标签，然后未知示例的标记集合是通过最大化后验概率推理得到。问题转换方法是将多标签分类任务转化为传统的单标签分类任务，目前单标签分类任务已经有许多成熟的算法可以选择。如，二元分类算法BR（Binary Relevance）［6］，是将多标签学习问题分解为多个独立的二元分类问题，但存在缺乏发现标签间相互依赖的能力，这将会导致预测标签的性能降低；标签统一算法LP（Label Powerset）［7］，是将每个有可能的标签重新整合成一组新的标签集合，再将问题转化为单标签分类任务；……