一份病历里，成千上万个诊断代码大多是零，少数代码又会反复出现。直接拿这种记录给患者分群，很像凭一张布满空格的表格找相似的人：信息不少，却很难看出结构。JASA 论文提出 SCORE，先做表示学习——把高维计数压缩成少数潜在特征，让相似样本在新空间里靠近；再做半监督聚类，用少量已有标签帮助组织大量未标注数据。
据 arXiv，SCORE 的关键是 PALM，一种适配 Poisson 计数的潜在因子混合模型。它假设大量可见计数背后由少数共同因素驱动，还能纳入外部预训练的特征嵌入。为处理大规模数据，作者把 Expectation-Maximization（在分群与参数估计之间反复更新）与 Gaussian Variational Approximation（用较易计算的高斯分布近似复杂分布）结合起来。论文也分析了算法收敛和近似误差。
作者将 SCORE 用于部分带标签的电子健康记录，以预测多发性硬化患者的残障状态，并称学到的患者表示在多个相关病况上比对照方法更有信息量和预测力。值得注意的不是又多一个聚类器，而是它把“先学表示”和“少量标签引导分群”接在同一个计数模型里；不过供稿未披露具体提升幅度。