关键词classification framework
搜索结果 - 7
- 基于句子嵌入的职位广告中横向技能的分层分类
通过分类框架和深度学习模型,该论文提出一种方法来识别职位要求和横向技能的关联,并预测个体职位描述所需的技能。该方法使用 ESCO(欧洲技能、能力和职业)分类法进行数据收集、预处理和标记。采用分层分类和多标签策略进行技能识别,通过数据平衡增强 - 组合脑电图和自然语言处理特征,通过集成分类预测学生讲座理解能力
应用脑电图 (EEG) 和自然语言处理 (NLP) 对教育进行研究以衡量学生在课堂讲座中的理解,本文提出了一个分类框架,用于预测学生在两个任务中的讲座理解情况: (i) 学生在听完模拟讲座后的困惑程度和 (ii) 学生对讲座后评估的回答的正 - 单次无监督领域自适应的可学习数据增强
通过可学习的数据增强技术,本文提出了一种分类框架来解决一次性无监督领域自适应问题。通过设计具有感知损失和风格转换策略的编码器 - 解码器架构,我们的方法可以学习如何增强源数据,并使其在知觉上类似于目标。该方法在 DomainNet 和 Vi - 上下文语义漂移检测综述
本文介绍了基于上下文嵌入模型的语义漂移检测方法及其分类框架,用于评估目标词义可能随时间发生的变化,比较了各种方法在性能、可扩展性、可解释性和鲁棒性等方面的优劣,并最终勾勒了 CSSDetection 面临的挑战和未来研究方向。
- ATRO: 带有拒绝选项的对抗训练
本文提出了 Adversarial Training with a Rejection Option (ATRO) 的分类框架,以减轻对抗样本带来的性能恶化问题,并在实验中证实了此方法的有效性。
- 使用单个(稳健的)分类器进行图像合成
研究人员通过开发鲁棒分类框架展示了在图像合成中应用分类器的实用性,并通过对分类器进行对抗性训练,实现了对输入显著特征的直接操作。
- 在线人机交互:检测、估计和描述
本文提出了一个基于超过一千个公共数据和元数据特征的框架,用于检测 Twitter 上的社交媒体自主实体(即社交媒体机器人)。经测试,此框架能够与公开的 Twitter 机器人数据集高度契合,可以检测不同类型的机器人,如垃圾邮件发送者、自我推