本研究提出了利用标签信息生成聚类算法解释的新方法，采用析取形式和合取范式，通过整数线性规划和启发式方法实现，实验结果表明该方法可行且具良好可扩展性。

本研究提出了一种新的图卷积网络ELU-GCN，旨在提高标签信息的利用效率。该方法通过学习新的图结构和进行图对比学习，显著提升了GCNs的泛化能力，实验结果验证了其有效性。

通过利用标签信息进行多模态情绪识别的新方法，学习每个话语的标签增强文本/语音表示，并设计了标签引导的注意融合模块，融合具有标签意识的文本和语音表示进行情绪分类。实验证明该方法优于现有基线并取得了最佳性能。