本研究提出了一种在线多任务学习（OMTL）方法，通过按顺序处理数据预测任务标签并学习任务权重和相互关系。通过引入三种规则来更新任务相互关系矩阵，OMTL方法在三个数据集上的性能评估表明，在EEG数据上准确率提高了1％至3％，并在垃圾邮件数据集上保持了约12％的低错误率。

本文提出了一种新的序列模式挖掘问题，通过剪枝搜索空间来识别模式的特征和相互关系，并在实验证明了该方法的有效性。