- KDD重新思考具层次感的标签关系建模在人类活动识别中的应用
通过分析全局标签关系，提出将层次结构作为关键因素，通过图形化标签关系建模进一步改进人类活动识别模型，并验证该提议在复杂人类活动数据上的优势。
- 从 RCT 出版物中提取重叠的 PICO 实体的基于 Span 的模型
PICOX 通过识别开始和结束实体的单词，并使用多标签分类器将一个或多个 PICO 标签分配给跨度候选项，从而优于基线方法，在多个数据集上表现出更高的精确度、召回率和 F1 得分，并通过数据增强策略有效地减少了误报，提高了精确度。
- 利用大型语言模型进行 COVID-Tweets 的多标签分类
构建一个有效的多标签分类器，根据社交媒体帖子（尤其是推文）作者表达的特定疫苗相关担忧，对其进行标签化，比较三种不同的模型，其中 Supervised BERT-large-uncased 模型效果最佳。
- 解码问题：社交媒体中疫苗情感的多标签分类
应对疫苗相关的多样化担忧，本文通过多种先进的自然语言处理技术和机器学习算法，包括 BERT、GPT 3.5、分类器链和传统方法如 SVM、随机森林、朴素贝叶斯，开发了一种强大的多标签分类器，能够根据与疫苗相关的担忧指定特定的关注标签。研究发 - MM一种用于离散化围墙防御问题的分散式基于脉冲的序列学习框架
提出一种新颖的去中心化脉冲神经网络学习框架，用于离散化的周界防御问题。该框架通过使用具有突触效能函数的多标签分类器，以从神经元的角度解决 Multi-Task Assignment 问题。实验结果表明，这种方法比传统方法更具可伸缩性。
- 使用深度学习进行可解释的孟加拉有害评论多标签分类
本文提出了一个基于深度学习的流程，用于分类孟加拉语的有害评论，首先使用二元分类模型确定评论是否有害，然后使用多标签分类器确定评论属于哪种毒性类型，使用 LSTM 和 BERT 嵌入达到了 89.42% 的准确性，并使用卷积神经网络和双向 L - ACL一种新的标记策略用于有效的令牌图建模，用于结构化情感分析
本研究提出了一种基于依存句法分析的情感分析模型，并对其进行了改进，包括采用新的标签策略、图注意力网络和自适应多标签分类器来优化其性能，实验结果表明我们的模型在五个基准数据集上的效果大幅优于之前的最优模型。
- 通过属性分解的文本生成人脸
提出了一种名为 TTF-HD 的文本到面部图像生成模型，该模型不仅能够生成高分辨率（1024x1024）的具有文本到图像一致性的图像，还能输出多个不同的面孔，以自然的方式覆盖广泛面部特征。实验结果表明，TTF-HD 具有最先进的性能。
- HARRISON：社交网络中基于实际图片的标签推荐基准评估
本文介绍 HARRISON 数据集，一个社交网络中针对真实世界图像的 hashtag 推荐基准测试集。使用具有卷积神经网络（CNN）的视觉特征提取器和基于神经网络的多标签分类器的基本框架，对数据集进行了评估。结果表明，针对真实世界图像的 h - 临床叙述中相对和不完整的时间表达式规范化
研究 RI-TIMEXes 在临床叙述领域中的标准化问题，提出了两种假设，设计了一个包含多标签分类器的 RI-TIMEX 规范化系统，并进行了特征实验和错误分析，证实了其显著改善了之前最好系统的结果。