摘要：針對目前數(shù)據(jù)引力模型的多標(biāo)簽懶惰學(xué)習(xí)分類算法不能同時利用標(biāo)簽相關(guān)性以及數(shù)據(jù)質(zhì)量的相互作用的問題,提出基于數(shù)據(jù)引力模型的改進(jìn)多標(biāo)簽算法IMLDGM。首先,計算訓(xùn)練集中的每個樣本數(shù)據(jù)的K個最近鄰居樣本,構(gòu)成新的數(shù)據(jù)樣本集;其次,根據(jù)新的數(shù)據(jù)樣本集標(biāo)簽的分布情況計算交互引力系數(shù)IGC,同時為每個數(shù)據(jù)樣本建立相關(guān)性矩陣來計算標(biāo)簽相關(guān)性關(guān)系,再計算出每個訓(xùn)練集樣本數(shù)據(jù)的密度以及權(quán)重大小;最后計算粒子間的正、負(fù)引力大小來構(gòu)建新的多標(biāo)簽分類模型。仿真實驗結(jié)果表明,IMLDGM算法子集準(zhǔn)確率SA與微平均F1值MF1評價指標(biāo)均優(yōu)于對比算法,漢明損失HL也較為明顯的降低。