本發(fā)明提供的基于匹配學(xué)習(xí)的多標(biāo)簽分類學(xué)習(xí)方法，首先對(duì)客戶端數(shù)據(jù)進(jìn)行特征值計(jì)算，得到訓(xùn)練集；設(shè)定訓(xùn)練集中的正負(fù)標(biāo)簽；然后計(jì)算訓(xùn)練集中特征集合的嵌入式表征E；計(jì)算正標(biāo)簽的嵌入式表征Z+和負(fù)標(biāo)簽的嵌入式表征Z?；接著對(duì)E和Z+作損失計(jì)算，對(duì)E與Z?作損失計(jì)算；依據(jù)正負(fù)損失值，采用梯度下降算法對(duì)訓(xùn)練集進(jìn)行模型訓(xùn)練；當(dāng)訓(xùn)練模型的損失值不再下降時(shí)，訓(xùn)練結(jié)束，否則再次訓(xùn)練；最后采用測(cè)試集測(cè)試該訓(xùn)練模型。本發(fā)明考慮了長(zhǎng)尾標(biāo)簽對(duì)傳統(tǒng)極大規(guī)模多標(biāo)簽分類模型學(xué)習(xí)的不利影響，提出利用特征集合和標(biāo)簽集合的匹配學(xué)習(xí)方法。此外，為保證模型能夠擴(kuò)展到大規(guī)模數(shù)據(jù)集上，采用梯度下降算法的模型學(xué)習(xí)方式，既可保證模型并行化學(xué)習(xí)，還可支持模型在線增量學(xué)習(xí)。