从多类问题到多标记分类问题,再到标记排序问题,最后到多标记排序问题,歧义性越来越大,也更加符合真实世界的多义性、复杂性。多标记排序是多标记分类和标记排序的结合,它完整地定义了多标记数据分析的两大主要任务。多标记排序的研究对于多义性对象的建模具有重要的意义,近年来,逐渐成为机器学习领域的一个重要研究方向,并广泛应用在多媒体对象(图像/音频/视频)的自动标注、生物信息学、推荐系统、信息检索等诸多领域。但是,已有工作主要集中在单一精准标注源下的多标记排序研究,通常假定在训练集中,每个示例对应一个真实、客观的标记排序。然而,在现实世界中这个假设并不常常正确,相反,更普遍的情况是一个示例由多位用户进行标注,具有多个“主观”的,不那么精确的标记排序。本文主要关注多标注源情况下的多标记排序研究。本文共五章。第一章介绍了多标记排序的研究背景、研究现状以及存在的问题。第二章给出了多标记排序问题的形式化定义及评价指标,并分类介绍了四种具有代表性的多标记排序算法。第三章首先介绍了多源标注下多标记排序的不一致问题,并提出了两种基于标记分布学习的多标记排序算法：从实例出发的IDL方法和从标注者出发的ADL方法,充分利用了多标注源的不一致信息。第四章报告了不同多标记排序算法在自然场景图像数据集的实验结果,并分析得出了一些有意思的结论。第五章对本文工作进行总结,并指出了存在的一些不足及进一步研究的方向。本文的创新性贡献包括：1.提出了多标记排序中多标注源的不一致性问题；2.提出了基于标记分布学习充分利用多标注源不一致性的建模方法：3.采集了一个真实的多标注源多标记排序数据集。