May, 2023

使用自适应最优输运生成可靠伪标签的稳健短文本聚类表示学习

PDF
TL;DR本文提出了一种鲁棒的短文本聚类模型 (RSTC)，通过假标签生成模块和鲁棒的表示学习模块，提高抗噪声和不平衡数据的鲁棒性，实验证明在 8 个短文本聚类数据集上优于现有模型。
short text clusteringrobustnessimbalanced datanoisy datarepresentation learning
发现论文，激发创造
  • P$^2$OT：用于深度不平衡聚类的渐进偏差最优输运

    本文介绍了一种新的深度非平衡聚类问题，并提出了一种基于伪标签的学习框架，通过渐进式部分最优输运问题生成偏态感知的伪标签，并从高置信度样本中学习，实验证明了我们方法的优越性。

    Jan, 2024

  • 短文本聚类的联邦学习

    本文提出了一种面向分布式短文本聚类的联邦鲁棒短文本聚类（FSTC）框架，该框架通过创新地将最优输运与高斯 - 均匀混合模型相结合，旨在以有效的数据训练模型并确保伪有监督数据的可靠性，在客户端间以高效的方式交换知识而不共享原始数据，从而显著优于基准联邦短文本聚类方法。

    Nov, 2023

  • SP$^2$OT：语义规范化的逐步偏差最优传输用于不平衡聚类

    我们提出了一个基于最优传输的伪标签学习框架来解决深度不平衡聚类问题，该框架通过逐步将样本转移到不平衡的聚类中生成高质量且注意不平衡性的伪标签。

    Apr, 2024

  • 自学习卷积神经网络用于短文本聚类

    本文提出了一种名为 STC^2 的灵活自学习卷积神经网络框架，通过未监督学习的方式，将原始的短文本特征转化为紧凑的二进制代码，并利用卷积神经网络学习深层次的特征表示，通过 K-means 聚类方法得到最佳聚类效果，实验结果表明该方法优于其它常见的短文本聚类方法。

    Jan, 2017

  • 利用强健学习改进无监督图像聚类

    本文提出了一种创新的 RUC 模型，利用已有的无监督图像聚类模型的伪标签作为噪声数据集，重新训练过程可以修正错误的知识并缓解预测中的过度自信问题。该模型具有良好的灵活性，可以用作其他聚类方法的附加模块，并帮助其在多个数据集上取得更好的性能。实验表明，该模型对于对手攻击的噪声具有额外的鲁棒性和更好的模型置信度校准。

    Dec, 2020

  • KDE 自训练：基于核距离的控制型文本生成的有效方法

    本文提出了一种名为 KEST 的自训练框架，利用基于核的损失函数代替标准交叉熵来处理生成模型中的模式崩溃和多样性缺失等问题，进而提高半监督可控语言生成任务的表现。

    Jun, 2023

  • 基于最优传输对比句子学习的可解释语义文本相似性研究

    本文提出一种用于优化句子相似性和解释句子相似性的对比学习框架 CLRCMD，该框架使用 RCMD 方法作为句对的相似度评估方式， RCMD 方法提出了一种通过语境化令牌距离加权和来描述句子距离的方法和解释句子相似性的方法。经过广泛的实验证明，本文所提出的方法在 STS 任务和可解释的 STS 任务上均优于其他基线模型。

    Feb, 2022

  • 提取清洁平衡的子集以用于嘈杂的长尾分类

    使用基于分布匹配的类原型和最优传输的伪标注方法，结合观察标签和伪标签的有效筛选标准，成功解决了长尾分布和标签噪声的联合问题，提供了更加平衡、准确的训练样本集，为具有标签噪声的长尾分类提供了有效的性能提升。

    Apr, 2024

  • 利用多代聚类达成一致的方式完善伪标签，用于无监督物体重识别

    该研究采用聚类共识和时序集成伪标签的方法，旨在解决伪标签噪声的问题，提升无监督物体识别方法的准确率。实验证实，该方法在 MSMT17 数据集上取得了最高 8.8% 的平均精度提升。

    Jun, 2021

  • 最优传输的共聚类

    通过基于熵正则化最优输运的新方法和 Gromov-Wasserstein 距离概念，实现并优化了联合聚类的算法，可以自动地确定行和列聚类的数量，并在广泛的实验评估中展示了其快速和准确的功能。

    May, 2017