本文提出了一种基于最大边际相关性(MMR)的新方法，旨在平衡可微搜索索引(DSI)中的相关性与信息多样性。研究表明，该方法有效引入多样性，同时对相关性影响不大，具有重要的应用潜力。

本研究提出了一种在低资源环境下提取法律决策摘要的技术，利用有限的专家注释数据。通过顺序模型定位相关内容，并利用最大边际相关性处理冗余，生成组合摘要。通过隐式方法帮助培训建议模型生成更多有信息量的摘要。多任务学习模型通过辅助任务提高摘要器性能。实验结果表明，该方法能够实现与专业提取的摘要相匹配的得分。

本文提出了一种基于最大边际相关性的全新集成构建和维护方法（DynED），该方法在构建集成的过程中动态地将组件的多样性和预测准确性进行结合。实验结果表明，该方法在四个真实和11个合成数据集上提供了更高的平均准确度。