多类分类可以通过根据某种编码规则将其分解为一组二元分类问题来化解。现有的工作在原始特点空间中化解这些二元分类问题，但由于不同的二元分类问题对应于不同的正例和负例，因此也许不是最优的。
为知道决这个问题，Zang Min-Ling 领导的研究团队在Frontiers of Computer Science上发表了他们的研究成果。
该团队提议为每个分解的二元分类问题学习特定于标签的特点，以思考其正例和负例中包含的特定特点。实验清楚地验证了学习特定于标签的特点对于基于分解的多类分类的有效性。
研究中，对于每个分解的二元分类问题，分别对其正例和反例进行聚类解析，以发现该特定分类的内在特点分类。优越性 问题。基于聚类结果，通过测量示例与全部聚类中心之间的相似性来构造每个示例的标签特定特点。实验表明，基于生成的标签特定特点比较于原始特点来学习二元分类器具有
未来的工作可以集中于寻觅其他可行的技术来获得特定于标签的特点(例如特点挑选)，并进一步利用不同分解攻略中的特定信息。