多标签分类问题中每个对象和若干个类标签关联,多标签分类的主要任务是识别所有可能和样本关联的标签。多标签分类的主要挑战在于如何应对随标签数量的增长呈指数级的标签输出空间,然而现存的多标签学习算法无法高效地挖掘和利用标签之间的关联性促进多标签学习过程。多标签k近邻算法(Multi-Label k Nearest Neighbor,ML-kNN)由经典的kNN改而来的惰性多标签学习方法,其克服了多标签学习领域类别不平衡问题且继承了惰性学习的优势,但其忽略了标签之间的关联性。基于ML-kNN的特点,本文在ML-kNN预测样本的标签集合时引入局部标签子集的关联性提高模型的有效性;此外,结合分布式计算框架和惰性学习的优势,本文对局部关联多标签k近邻算法进行了并行化研究,使其能够适应大规模多标签数据挖掘应用。本文主要的研究工作如下:1.为了提高ML-kNN的有效性和泛化能力,本文提出了一种局部标签关联多标签k近邻分类方法。首先为了缩减标签空间,按照互信息的大小选择和标签具有共现和互斥关系的标签子集,其次在计算标签的后验概率时考虑标签子集在近邻中分布的影响;最后,使用标签子集在近邻集合中分布的相似性对满足约束的样本计数。为了验证模型的有效性,本文对比了6个经典的多标签分类方法在8个不同领域的多标签数据集上的效果,实验表明其能够充分利用标签之间的关联性促进模型学习过程。2.为了进一步提高模型对大规模多标签数据集的适应能力,结合惰性学习的特点和大数据处理技术,本文提出了MapReduce框架下的局部标签关联多标签k近邻分类算法。整个MR作业由各个小模块组成的链式结构共同完成计算任务,在保证分类精度的前提下提升其对大数据的适应能力和可扩展性。3.为了充分发挥内存计算的优势以及进一步提高算法的性能,本文提出并对比了Spark框架下的并行化算法,且从多个角度分析了不同分布式框架下算法性能的表现。