一、多视图学习

多视图学习又称多视角学习，在实际应用问题中，对于同一事物可以从多种不同的途径或不同的角度进行描述，这些不同的描述构成了事物的多个视图。例如：在与人们生活息息相关的互联网中，网页数据既可以用网页本身包含信息的特征集描述，也可以用超链接包含的信息描述。此外，同一事物由于数据采集方式不同，也可以有不同的表达方法。例如：使用不同传感器采集一个人的指纹就形成了多种不同的印痕，构成了指纹数据的多个视图。

二、多标签学习

一般的分类问题主要聚焦于二元分类和多分类(单标签学习)，也就是每一个对象只属于一个类别，类别之间是相互排斥的。但是在很多应用中，一个对象可以属于好几个类别，比如说：一条新闻可以对应多个主题，政治，经济，外交；一张城市照片上可以有多个物体，车辆，行人，马路，建筑物等等。在很多实际应用领域中，如多媒体内容标注、文本信息标注、遗传基因等等都需要用到多标签学习。多标签是一般分类问题的扩展，一个多标签学习模型的目标是预测每个输入实例所对应的所有的标签。
多标签问题的特点是，标签之间存在着一定的关联。比如在电影分类中, 一部电影具有标签儿童，那它也有很大概率具有标签家庭。相反，如果电影具有标签恐怖，那该电影几乎不可能具有标签儿童。多标签学习最有趣的地方在于我们可以通过挖掘标签之间的关系，来进行建模。