本研究提出DCScore方法，旨在解决合成数据集的多样性测量问题，并评估样本间的关系。结果表明，DCScore与多样性伪真值关联性强，且计算成本显著降低。

本研究提出了一种新型聚类集成方法，有效解决了基聚类结果不可靠和样本关系构造耗时之间的权衡问题。实验结果验证了该方法的有效性和效率。

本研究提出五种样本关系，通过对比学习和动态调整损失权重，提升多标签分类模型的性能和鲁棒性。