本文提出了一种基于对抗性学习与动态图的补充分类器方法，用于消除部分标签学习中假阳性标签的影响，并充分调查了补充标签集的有效性。实验表明，该方法在4个受控UCI数据集和6个真实世界数据集上具有优越性，并揭示了补充学习在部分标签学习中的实用性。