计算机科学与探索

作者：李冬梅, 杨宇, 孟湘皓, 张小平, 宋潮, 赵玉凤

单位：1. 北京林业大学 信息学院，北京 1000832. 国家林业草原林业智能信息处理工程技术研究中心，北京 1000833. 中国中医科学院 中医药数据中心，北京 100700

关键词：多标签分类,问题转换,算法自适应,深度学习

多标签分类是指在一个样本中可能会有多个标签同时存在的分类问题，目前已被广泛应用于文本分类、图像分类、音乐及视频分类等领域。与传统的单标签分类问题不同，由于标签之间可能存在相关性或者依赖关系，多标签分类问题变得更加复杂。近年来，深度学习技术发展迅猛，结合深度学习的多标签分类方法逐渐成为研究热点。因此，从传统的和基于深度学习的角度对多标签分类方法进行了总结，分析了每一种方法的关键思想、代表性模型和优缺点。在传统的多标签分类方法中，分别介绍了问题转换方法和算法自适应方法。在基于深度学习的多标签分类方法中，特别是对最新的基于Transformer的多标签分类方法进行了综述，该方法目前已成为解决多标签分类问题的主流方法之一。此外，介绍了来自不同领域的多标签分类数据集，并简要分析了多标签分类的15个评价指标。最后，从多模态数据多标签分类、基于提示学习的多标签分类和不平衡数据多标签分类三方面对未来工作进行了展望，以期进一步推动多标签分类的发展和应用。

来源：2023年第11期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2023年第11期