多标签文本分类因为其类别标签个数不确定的特点一直是自然语言处理领域的研究难点,更是文本分类任务最大的难题。现阶段的多标签文本分类算法更多集中在多标签分类器输出空间的探讨,而对于输入空间的文本向量化的研究相对缺乏。由于分类问题需要花费大量的人力进行文本标注,因此在标注样本量相对较少的情况下,一个好的文本表示算法对于分类性能的提升至关重要。本文提出了一种基于多标签信息的特征向量映射算法,并在此基础上,针对所爬取控烟新闻数据集标注困难的特点,提出一种改进的多视图半监督学习算法,进一步提升分类性能,为控烟舆情分析提供数据支撑。全文的主要工作及研究内容可分为以下三点:首先,通过网络爬虫技术从各大新闻搜索引擎网站抓取了大量控烟相关的新闻报道,并对部分数据做了多标签人工标注和文本预处理。其次,分析了文本向量化表示以及多标签分类的发展现状,针对现阶段仍然存有的一些缺陷,提出了具体的改进措施。本文的文本表示以词向量为基础,避免了传统的多标签分类文本表示中向量维度不受控或无法表示文本语义信息等问题。在分类器的输入空间对多标签进行高阶关联,基于多标签对应的正反例文本的特征信息对文本进行特征向量映射,将同一条新闻在不同标签下的分类器输入特征映射成为一个不同的向量表示。在控烟数据集上验证了该算法的有效性。最后,为充分利用未标注新闻数据,在避免资源浪费的同时进一步提高分类性能,本文在特征映射向量表示的基础上改进了半监督学习。利用新闻数据的结构化特征,对新闻标题、正文利用不同的分类器构建了多视图结构,对样本不平衡问题采取具体措施,在最终模型判别阶段借鉴了集成学习的思想,并予以改进,进一步提升了模型的泛化能力。