Jun, 2021

基于图的标签传播在半监督说话人识别中的应用

PDF
TL;DR本文提出了一种基于图形的半监督学习方法，用于家庭情景下的说话人识别，以利用未标记的语音样本，并在 VoxCeleb 数据集上的实验中显示出，与两种最先进的评分方法以及基于伪标签的半监督变量相比，该方法有效地利用了未标记的数据并提高了说话人识别的准确性。
speaker identificationunlabeled datagraph-based semi-supervised learningutterance similarityvoxceleb dataset
发现论文，激发创造
  • 基于图的多视角融合和本地适应：缓解家庭内说话人认证的混淆问题

    本文提出了基于图的半监督学习方法，通过本地适应的图归一化和多信号融合实现家庭中的说话人识别，实验表明该方法可有效应对标注数据少、声音混杂等问题。

    Jul, 2022

  • 基于图滤波的高效半监督学习

    提出了一种基于图滤波器的半监督学习框架，能够将数据特征作为图信号注入图相似性中，并使用低通滤波器从图信号中抽取有用的数据表示，从而实现标签高效的半监督学习，同时能够改善现有的图卷积网络和标签传播方法的建模能力和减少模型复杂度。

    Jan, 2019

  • 半监督领域自适应说话人验证的渐进子图聚类算法

    本文提出了一种基于多模型投票和双高斯评估的渐进子图聚类算法（PGMVG 聚类），利用目标领域中的大规模未标记数据进行伪标签聚类算法，以解决说话者验证任务中的域适应问题。

    May, 2023

  • 标签传播用于深度半监督学习

    本研究利用基于流形假设的传导标签传播方法，对整个数据集进行预测，并利用这些预测值为未标记数据生成伪标签，并训练深度神经网络。经实验证明，这种方法在几种数据集中相对于当前的最新技术表现更好，特别是在有限标志数量的情况下。

    Apr, 2019

  • 基于图的半监督学习的灵活生成性框架

    本文提出了一个基于图结构的半监督学习的生成框架，通过逼近节点特征，标签和图结构的联合分布，使用可扩展的变分推断技术来推断缺失的标签，并在基准数据集上进行了全面的实验，结果表明该方法在大多数设置中优于现有的最先进模型。

    May, 2019

  • 半监督通用图分类

    本文提出一种新型的图神经网络框架 UGNN，用于半监督图分类，在有限标注数据和大量未标注数据的情况下，利用子图的视角来充分利用未标注数据，并且通过使用 Sinkhorn-Knopp 算法来学习已知和未知类别的语义原型，并在不同的子图视图下进行大量实验，证明了 UGNN 在不同设定下的有效性。

    May, 2023

  • 使用图嵌入重新审视半监督学习

    介绍了一种基于图嵌入的半监督学习框架，重点研究了在图中联合预测类别标签和邻域上下文信息的方法，并在包括文本分类等多个基准任务上，相比已有的模型表现出了更好的性能。

    Mar, 2016

  • 半监督多标记节点分类的协同图行走

    本文提出了一种基于协同式图遍历的强化学习算法，Multi-Label-Graph-Walk，提高了节点嵌入的区分能力，在属性图中利用可用标签分配来调整节点表示，将多标签节点分类任务形式化为多个标签特定代理的同时图遍历，在合作方式中学习标签特定图遍历策略，捕捉节点标签与结构属性之间的关联以及多个标签特定分类任务之间的关联。综合实验研究表明，所提出的方法显著提高了多标签分类性能，实现了更高效的图形探索。

    Oct, 2019

  • 学习在噪声亲和力图上可靠地传播

    该论文提出了一种新的框架，利用局部图神经网络和基于置信度的路径调度器，可以在大规模真实数据上可靠地传播标签，同时有效地处理异常值和复杂的图结构。在 ImageNet 和 Ms-Celeb-1M 数据集上的实验证明了该方法的有效性。

    Jul, 2020

  • 半监督式学习中的学习

    本文提出了一种基于元学习的半监督学习方法，将有标签和无标签数据的相似度转化为对应的语义相似度，并通过自监督学习的方法实现了对有标签数据的更新。实验证明该方法较之传统方法更为有效。

    Aug, 2020