多示例多标记学习

在利用机器学习技术解决实际问题时，常见的做法是先对真实对象进行特征提取，用一个特征向量来描述这个对象，这样就得到了一个示例（instance），然后把示例与该对象所对应的类别标记（label）关联起来，就得到了一个例子（example）。在拥有了一个较大的例子集合之后，就可以利用某种学习算法来学得示例空间与标记空间之间的一个映射，该映射可以预测未见示例（unseeninstance）的标记。假设每个对象只有一个类别标记，那么形式化地来说，令为示例空间、为标记空间，则学习任务是从数据集中学得函数，其中为一个示例。为示例所属的类别标记。在待学习对象具有明确的、单一的语义时，上面的学习框架已经取得了巨大的成功。