层次化多标签分类的双曲线标签嵌入联合学习

ACLJan, 2021

层次化多标签分类的双曲线标签嵌入联合学习

Joint Learning of Hyperbolic Label Embeddings for Hierarchical Multi-label Classification

Soumya Chatterjee, Ayush Maheshwari, Ganesh Ramakrishnan, Saketha Nath Jagaralpudi

TL;DR本文提出了一种联合学习分类器参数与标签嵌入的方法，用于多标签分类的层次化关系建模，结果表明该方法对具有效性，超过了以往基于共现信息的预训练超几何嵌入方法。

Abstract

We consider the problem of multi-label classification where the labels lie in a hierarchy. However, unlike most existing works in hierarchical multi-label classification, we do not assume that the label-hierarchy is known. Encouraged by the recent success of →

multi-label classification hierarchical relations hyperbolic embeddings joint learning label hierarchy

发现论文，激发创造

层次多标签分类的双曲交互模型

本文提出了一种使用超几何空间嵌入词汇和标签层次结构的方法来解决层级多标签分类问题。通过设计新的超球面交互模型，实现对标签感知的文档表示和 HMLC 预测，实验结果表明新模型相对于现有方法进一步提高了性能。

May, 2019

一种完全双曲神经模型用于分层多类别分类

提出了一个全超伽马模型进行多类多标签分类，该模型可以从类别分布中推断出潜在的层次关系，捕获库存中的隐含下义关系，并显示出与最先进的方法相当的细粒度分类性能，具有可观的参数规模缩减。

Oct, 2020

使用蕴涵锥嵌入的分层图像分类

该论文提出了一套使用嵌入到分类标签中的类层次结构信息，通过改进算法进行图像分类和表示学习的方法，并将其在 ETHEC 数据集中进行了实证测试。

Apr, 2020

在双曲空间中嵌入文本

本研究使用新的超几何嵌入方法学习文本数据中的词和句的嵌入，这些嵌入似乎编码了层次结构的某些直觉概念，然而，由于隐含的连续层次结构，这种模型更难以研究其学习层次结构的内部机制。

Jun, 2018

基于嵌入的层级动态标注的半监督分类的拓展研究

使用 Hierarchical Dynamic Labeling（HDL）算法，不依赖于模型预测的方式利用图像嵌入生成样本标签，进而改善半监督学习中伪标签生成的表现，验证了表示网络比分类器或预测器更可靠的动机。

Apr, 2024

文字分类的词与标签联合嵌入

采用标签 - 词汇联合嵌入法和注意力机制的词嵌入模型，用于文本分类并保持了词嵌入的可解释性，同时提供了利用其他信息的能力。在多个大型文本数据集上实验表明，该方法在准确率和速度方面均优于现有最先进方法。

May, 2018

使用双曲线知识图嵌入进行知识关联

本论文提出一种基于超球面嵌入的超球面关系图神经网络模型，通过实体对齐和类型推断等任务，捕捉知识图谱中的关系，并证明该模型具有有效性和效率。

Oct, 2020

学习分层嵌入的双曲包含锥

在机器学习中，通过保留相关网络属性的低维嵌入学习图表示是一类重要的问题。本文提出了一种嵌入有向无环图的新方法，使用证明能够更好地模拟树状结构的双曲空间，并使用一组嵌套的测地凸锥来定义分层关系，并证明这些蕴含锥体在欧几里得和双曲空间中均具有一种优化的形式，而且它们可以规范地定义嵌入学习过程。实验显示，我们的方法在表示能力和泛化方面都比最近的强有力的基线有显着的改进。

Apr, 2018

双曲表征学习：再探和提高

本文提出了一种名为 “超宾说外显”（HIE）的方法，通过使用节点到原点的超宾距离（即超宾范数）推导出的无成本分层信息来改进现有的超宾表示方法，并在各种模型和不同任务上的广泛实验中展示了该方法的多功能性和适应性。

Jun, 2023

具有层次间隔提升的双曲空间用于从粗标签中提升细粒度学习

将视觉嵌入表示为分层余弦边界方法的超凸空间，并通过增强其辨别能力解决有限标签细粒度任务中的挑战，展示了所提方法在五个基准数据集上实验的有效性，取得了超越竞争方法的最先进结果。

Nov, 2023