摘要：传统的支持向量机分类模型只有在利用大量已标注数据进行训练才能获得较高精度。在现实研究中,实际产生的数据类型种类繁多,有结构数据和非结构数据等,但都有一个共同特点,大多具有多个标签,因此传统分类算法无法直接应用于多标签分类。文章提出一种基于迁移学习的分类算法,引入迁移学习解决训练数据充分的问题,这种方法在目标域数据集被标注比较少的情况下有着明显的优势;同时为了在训练分类模型的过程中找出对分类起关键作用的信息可以引入半监督学习。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社