本研究提出了一种可参数化主体的评价计算理论，解决了现有评价方法在理论严谨性与实际可扩展性之间的平衡问题。通过引入元学习者，该方法在多个场景下显著降低了评价误差和时间，展现出重要潜力。

本研究提出了一种新方法，解决多变量时间序列分类中的高维数据建模和标签数据不足的问题。通过整合额外信息与主体关系，利用对比时序自注意力模块和动态时间扭曲技术构建异构图。实验结果表明，该方法在多个数据集上优于现有技术，具有重要应用价值。