在多標(biāo)記學(xué)習(xí)中，由于不同的標(biāo)記可能會(huì)帶有自身的一些特性，所以目前已經(jīng)出現(xiàn)了基于標(biāo)記類屬屬性的多標(biāo)記學(xué)習(xí)算法LIFT。然而，類屬屬性的構(gòu)建可能會(huì)增加屬性向量的維度，致使屬性空間存在冗余信息。為此，借助模糊粗糙集提出了一種能夠進(jìn)行類屬屬性約簡的多標(biāo)記學(xué)習(xí)算法FRS-LIFT，其包含4個(gè)步驟：類屬屬性構(gòu)建、屬性維度約簡、分類模型訓(xùn)練和未知樣本預(yù)測。在5個(gè)多標(biāo)記數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，該算法與LIFT算法相比，不僅能夠降低類屬屬性維數(shù)，而且在5種多標(biāo)記評價(jià)指標(biāo)上均具有較好的實(shí)驗(yàn)效果。