摘要：在多标记学习中，一个示例可以有多个概念标记。学习系统的目标是通过对由多标记样本组成的训练集进行学习，以尽可能正确地预测未知样本所对应的概念标记集。k近邻算法已被应用到多标记学习中，该算法将测试示例转化为多维向量，根据其k个近邻样本的标记向量来确定该测试示例的标记向量。传统的k近邻算法是基于向量的空间距离来选取近邻，而在自然语言处理中，文本间的相似度常用文本向量的夹角来表示，所以本文将文本向量间的夹角关系作为选取k近邻的标准并结合k近邻算法提出了一种多标记文本学习算法。实验表明，该算法在文档分类的准确率上体现出较好的性能。

原文链接:http://www.cqvip.com//QK/92817X/200804/27038431.html

送人玫瑰，手留余香~如您已下载到该资源，可在回帖当中上传与大家共享，欢迎来CDA社区交流学习。（仅供学术交流用。）