基于加权流形消歧和动态局部标记相关性的偏多标记分类方法、装置、设备及介质

基于加权流形消歧和动态局部标记相关性的偏多标记分类方法、装置、设备及介质，涉及偏多标记学习技术领域。偏多标记分类方法，能够高效准确的处理复杂数据集。首先，将候选标记转化为逻辑标记矩阵，构建特征空间与标记分布的关系，并据此设计损失函数。其次，通过计算语义相似度，利用k‑近邻方法确定训练实例的近邻，形成相似图权重矩阵。接着，计算初始局部标记相关性矩阵，并动态更新，结合相似图权重矩阵，引导标记分布学习。然后，构建目标函数，迭代优化模型参数，直至收敛，实现标记消歧。最后，训练好的模型可用于预测待测实例所属的所有类别，具有高准确性和鲁棒性，有效应对噪声标记的挑战，为偏多标记分类问题提供了高性能的解决方案。