Feb, 2023

野外文本分类：大规模长尾姓名标准化数据集

PDF
TL;DR本文研究机构名称的规范化问题，针对实际数据应用中存在的长尾分布情况，提出了一个包含超过 25k 类的长尾数据集 LoT-insts1，并进行了基于搜索方法和 Bert 模型的神经网络等多种方法的基准测试及提出了一种特殊的 Bert 模型，在 few-shot 和 zero-shot 测试集上表现更好。该数据集是自然长尾且包含许多训练数据，是第一个专注于长尾和开放式分类问题的自然语言数据集。
long-tailed distributioninstitution name normalizationfew-shot learningzero-shot learningpretrained bert model
发现论文，激发创造
  • HeroLT：异构长尾学习基准评估

    本文提出了一个最综合的长尾学习基准 HeroLT，其中包含 13 种最先进的算法和 6 种评估指标，旨在从数据长尾性、各种领域的数据复杂性和新任务的异构性三个方面提供长尾学习的系统视图，并对未来的研究方向进行了探讨。

    Jul, 2023

  • 开放世界中的大规模长尾识别

    研究开放式长尾识别（OLTR）算法，该算法需能在学习具有长尾分布的数据、分类多数和少数类别以及识别未知类别的情况下优化分类准确率，采用动态元嵌入技术实现快速识别，对三种数据集进行的实验结果表明，该算法在 OLTR 领域已处于领先地位。

    Apr, 2019

  • 长尾有噪标注实例分割基准测试（简版）

    本文考虑了在包含标签噪声的长尾数据集上的实例分割任务，并提出了一个新的数据集，该数据集是一个包含标签噪声的大型词汇长尾数据集，结果表明训练集中的噪声将阻碍模型学习稀有类别，并降低整体性能，从而激发我们探索有效解决这个实际挑战的方法。

    Nov, 2022

  • 深度长尾分类进展综述

    不均匀数据的深度学习中的挑战及方法研究，重点关注长尾分类问题。

    Apr, 2024

  • 学习长尾数据的降标签方法

    减少长尾数据标注成本的弱监督学习方法，有效保留了尾部样本的有监督信息，并提出了一种简单高效且具有强大理论保证的学习框架，通过对 ImageNet 等基准数据集的广泛实验证实了其有效性，优于最先进的弱监督方法。

    Mar, 2024

  • 长尾识别中的新型类别发现

    基于等角原型表示的自适应自标记策略，通过解决弛化的最优传输问题，更有效地发现不平衡的新类别，从而有效减轻已知和新类别学习中的偏差，并在 CIFAR100、ImageNet100、Herbarium19 和大规模 iNaturalist18 数据集上取得了卓越的结果。

    Aug, 2023

  • 动态环境下的长尾识别

    通过 Open Long-Tailed Recognition++ 算法，实现在自然分布数据上的 imbalanced classification、few-shot learning、open-set recognition 和 active learning，并且能够在头尾识别之间共享视觉知识、降低尾部与开放类别的混淆，同时提供了基于视觉记忆的主动学习方案。

    Aug, 2022

  • 标签噪声下的鲁棒长尾学习

    研究了在长尾标签分布下标签噪声问题，提出了一种新的原型噪声检测方法及一个鲁棒的框架，该框架通过软伪标签技术和半监督学习算法进一步提高了泛化性能，并且在基准和真实数据集上表现优于现有基线模型，尤其是比 DivideMix 模型测试精度高出 3％。

    Aug, 2021

  • 应对领域转移下的长尾类别分布

    使用三种新的核心功能块，以及集成在元学习框架中，解决长尾分布分类和领域漂移问题，提高了领域泛化在新的目标领域上的表现。

    Jul, 2022

  • 针对医学术语标准化的长尾概念泛化

    本论文介绍了一种简单而有效的学习策略，利用目标本体的层次结构来增强分类和生成模型的概括能力，该策略在已见概念上具有最先进的性能，在未见概念上也具有一致的改进，并可实现高效的零 - shot 知识转移。

    Oct, 2022