在机器学习中,传统的监督学习框架是一种为未标记样本预测唯一类别标签的机器学习框架。在该框架下,每一个待学习对象都具有唯一的类别标签,目前该框架已经取得了很大的成功。然而,对象多义性问题是现实生活中无法回避的问题,多标签分类模型是一种针对现实生活中对象多义性问题而提出的机器学习模型。在多标签学习模型框架下,每一个已标记的样本由若干个不同的标签来表征,学习的目标通过对已标记多标签样本的学习,为未标记样本分配所有合适的类别标签。多标签学习的研究对于对象多义性学习建模具有十分重要的意义,是目前机器学习界的研究热点之一。本文在深入地研究多标签学习框架的基础上,将主动学习的思想引入多标签学习的过程中,在考虑标签间依赖关系的基础上,针对多标签学习过程中所面临的弱标记问题进行了深入的研究,提出了一种弱标记条件下的多标签主动学习框架。本文的主要研究工作如下:(1)研究和分析现有的面向多标签分类的主动学习采样策略。针对多标签主动学习领域的几类方法进行总结和分析,为后续的研究提供理论依据。(2)针对弱标记问题,提出了一种基于标签间条件依赖关系的多标签主动学习框架模型,在保证多标签学习模型泛化性能的前提下,尽可能降低人工标记的代价。(3)在已取得的研究成果的基础上,进一步将半监督学习机制引入主动学习过程中,用于提升和促进多标签主动学习框架的效率和性能。本文对提出的方法均进行了有效的实验验证,并对实验数据和结果进行了分析,以验证本文所提出的方法的科学性和有效性。