رضا قائمی - گروه کامپیوتر ، واحد قوچان ، دانشگاه آزاد اسلامی ، قوچان ، ایران
عزیز عزت نشان - گروه کامپیوتر ، واحد مشهد مرکز درگز ، دانشگاه آزاد اسلامی ، درگز ، ایران
سامان پورسیاه ناوی - گروه کامپیوتر ، واحد قوچان ، دانشگاه آزاد اسلامی ، قوچان ، ایران
احسان صفار خراسانی - گروه کامپیوتر ، واحد نیشابور ، دانشگاه آزاد اسلامی ، نیشابور ، ایران

امروزه ورود تکنولوژی و کامپیوتر به عرصه های مختلف علوم باعث گسترش و دسترس پذیری داده ها گردیده است. این موضوع سبب یافتن روش های جدید مهندسی داده و روش های کشف دانش شده است. امروزه طبقه بندی کننده های چندبرچسبی، یک الگوی یادگیری مهم در میان الگوریتم های یادگیری داده کاوی هستند. در هر مجموعه داده چندبرچسبی هر نمونه می تواند به مجموعه ای از کلاس ها تعلق داشته باشد. هر طبقه بندی کننده برای یک مجموعه از نمونه های آموزشی که شامل مجموعه ای از صفات و برچسب کلاس های مربوطه اش است، مدلی ایجاد می کند. این مدل قادر به تعیین برچسب کلاس نمونه های جدید می باشد. این مقاله به معرفی تکنیک های طبقه بندی چند برچسبی پرداخته و آنها را با یکدیگر مقایسه کرده است. همچنین مطالب ذکر شده می تواند، در انتخاب الگوریتم طبقه بندی که متناسب با نوع مجموعه داده آموزشی و هدفی که از یادگیری مد نظر است، به کار گرفته شود.

داده کاوی، مجموعه داده چند برچسبی، روش های انتقالی، روش های سازشی، یادگیرنده چند برچسبی