标签消歧快且准
该框架通过锚点与标签相关性协同构建的低成本图矩阵，在偏多标签学习中显著提升消歧效率与准确性。
Jingqi, Liu · 张红英 · Kezhen, Dong · 郝飞
Pattern Recognition 2026
通过使用代表性锚点构建锚点-实例级邻接矩阵，避免了对每个样本计算高成本邻接矩阵，使运行时间随数据规模亚线性增长。
将标签相关性纳入图构建过程，有助于获得更准确的标签置信度矩阵，从而提升消歧效果。
在14个数据集上，关键指标相较现有最优方法提升了2.4–15.2%，同时保持亚线性扩展性。
推导出泛化误差界，表明消歧噪声越低，泛化界越紧，验证了准确消歧对良好泛化性能的必要性。