本研究提出MILA方法，以解决本体匹配在数据互操作性中的挑战。MILA通过检索-识别-提示流程，提高语义对应的准确性，减少对大型语言模型的请求，表现优于现有系统，具有广泛的应用潜力。

本研究提出了一种标签引导的监督对比学习框架，旨在解决文本到图像生成中的语义对应问题。实验结果表明，该方法在COCO数据集上显著提升了图像生成质量。