多标记学习的研究

多标记学习起源于文档分类研究中遇到的歧义性问题，这里的一个示例可以有多个概念标记，其学习难度比传统的监督学习更大。这是国际机器学习界一个新的重要研究课题，不仅有助于理解人类在学习中对歧义性的处理机制，还会对自然语言处理等领域有所帮助。本项目将提出基于神经网络和k近邻的多标记学习算法，从而充分利用神经网络和k近邻的学习能力；提出结合了多标记学习和多示例学习的算法，从而比单纯的多标记学习或多示例学习具有更强的处理歧义性的能力；提出基于关系学习的多标记学习算法，从而充分利用关系学习的知识表示能力；设计出基于多标记学习的新型图像检索技术，从而比现有技术更好地处理图像的歧义性。上述研究内容在国际上尚未见到报道，其成果可望在国际上产生积极的影响。本项目不仅可望产生8-10篇高质量学术论文，还可望取得具有自主知识产权的专利技术。