随着互联网技术和计算机技术的不断进步,人们对数据分类的要求也越来越高。普通的分类问题通常只含有一个标签或者是互斥的多个类别,但现在已经有很多的应用场景已经超出了上述的分类问题的范畴,如图像标注,文档分类等这样的分类任务往往拥有多个标签。因此多标签分类的问题也逐渐受到人们的重视。本文主要介绍和讨论了基于标签独立成分的多标签分类算法。发掘特征与标签间的相关性是解决多标签分类问题的关键。然而,识别并计算特征与标签间的相关性对高维的多标签数据而言可以是非常困难的。为了解决这样的问题,人们提出了特征嵌入和标签嵌入等方法。现有的方法通常学习一个共享的特征和标签的嵌入空间来同时实现特征和标签的降维。相反,我们所提出的方法利用独立成分分析的技术为特征和标签学习不同的嵌入空间。所学到的独立特征成分可以使得特征表示更加紧凑。我们还讨论了我们所提出的方法与一些现有方法之间的联系,实验也展示了发掘多标签数据中的独立性的必要性和有效性。