本研究提出了一种神经框架，解决了学习概率分布间条件最优运输映射的问题，能够处理分类和连续变量。通过超网络生成运输层参数，超越了传统方法，推动了条件最优运输的应用。

本研究分析了未观察到的混淆对因果公平性的敏感性，并提出了一个新的神经框架用于学习公平的预测。

本研究分析了未观察到的混淆对因果公平性的敏感性，并提出了一个新的神经框架用于学习公平的预测。

该研究提出了一种神经框架，可从在线产品评论中进行意见摘要，只需要轻量级的监督。方法结合了两个弱监督组件，从多个评论中识别显著观点并形成提取式摘要。研究开发了具有黄金标准方面注释、显著标签和意见摘要的人工注释开发和测试集的意见摘要数据集。自动评估显示该方法相对于基线的显著改进，人类评判员更喜欢该方法的意见摘要。