多标记学习和标记分布学习

多标记学习（ｍｕlｔｉ－ｌａｂｅｌｌｅａｒｎｉｎｇ，ＭＬＬ）任务处理一个示例对应多个标记的情况，其目标是学习一个从示例到相关标记集合的映射。

标记分布学习将不同标记的重要程度用标记分布来刻画。

标记增强是指通过挖掘训练样本中蕴含的标记重要性差异信息，将逻辑标记转化为标记分布，进而通过标记分布学习有效的提升预测精度。