本文提出了一种统一框架，解决自然语言处理中的层次标签文本分类问题。研究表明，跨领域学习能够设计更有效的方法，并在统一评估下取得超越原领域的最佳结果。

NeurLZ框架结合了跳跃深度神经网络模型、跨领域学习和误差控制，显著提升了科学数据的有损压缩性能，比现有方法减少了高达90%的比特率。