本文提出了多种新方法解决多标签分类中的噪声标签和类别不平衡问题，包括统一蒸馏框架、分布平衡损失函数和正例与未标注多标签分类（PU-MLC）。实验证明这些方法在新创建的数据集上具有更高的有效性和鲁棒性，推动了多标签学习的研究进展。