- 时间序列预测的层次分类辅助网络
我们提出了一种使用交叉熵损失对时间序列数值进行分词训练预测模型的新方法,通过整合多层次的高熵特征,使用层次感知注意模块,分配类标签并使用不确定性感知分类器来减轻预测中的过度自信,同时通过层次一致性损失保持预测结果的一致性。在多个真实世界数据 - 基于局部信息的半监督层次多标签分类器
本研究提出一种基于局部信息的半监督分层多标签分类器(SSHMC-BLI),可利用标记和未标记的数据进行训练,用于执行分层分类任务。实验结果表明,利用未标记数据可以显著提高仅基于标记数据训练的监督式分层分类器的性能。
- 航空事故报告的细粒度事件抽取的分层多标签分类
通过使用事件分类法以及 BERT 中的分层注意模块,可以更准确地识别事故报告中的事件,并且该方法在细粒度预测准确性上有所提高,并且对于罕见事件的识别问题有益处。
- 入侵检测系统的分层分类:有效设计与实证分析
通过使用三级分层分类模型对各种网络攻击进行分类,我们的实证结果表明,相对于平级分类方法,分层分类方法在避免将攻击误分类为正常流量方面具有显著优势。
- 关注图表是我们所需要的一切:用 LeukoGraph 开创血液细胞群体的层次分类
LeukoGraph 是一个使用图注意力网络(GATs)导航层次分类复杂性的框架,通过使用流式细胞仪数据导出的具有数百万个节点和边的图进行层次推理,达到了 98% 的 F 分数,具有很高的精度预测平坦和分层细胞类型。
- 探索时间序列数据的层次分类性能:差异度量和分类器比较
对比了时间序列数据分析领域中层次分类(HC)和扁平分类(FC)方法的绩效,探究了不同数据集和分类器条件下,基于几种不同的相异度度量方式(JSD,TSD 和 CBD), 采用了 MINIROCKET,STSF 和 SVM 分类器,发现当采用 - 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 - 未来蓝图:基于层次化零样本和少样本分类器的自动项目分类
通过使用零样本学习和少样本学习的生成预训练转换器(GPT)分类器,该研究揭示了一种新的方法,通过人类语言描述定义类别,实现分层项目分类,并显著缩短分类时间,确保一致性和持续性。
- SpaDeLeF:西班牙语词搭结构的层次分类数据集
在本文中,我们介绍了一个包含西班牙语最常见动宾短语及其出现句子的数据集,每个动宾短语都被分配到 37 个词汇功能中的一个类别,用于执行一个分层分类任务。我们将这些类别组合成一个基于树结构的体系,并为每个层级引入了分类目标。该数据集通过对西班 - 通过自动层次生成和扩展的 LCPN 方案在多类分类中改善性能
通过综合分析,探讨了层次分类在多类分类任务中的性能,介绍和评估了两种新的层次利用方案 LCPN + 和 LCPN+F,并发现 LCPN+F 在各种数据集和情景中优于其他方案,同时强调选择合适的层次利用方案以最大化分类性能的重要性。
- 利用随机分割函数生成层次结构,提升时间序列分类效果
本研究介绍了一种新颖的带有随机分割函数的层次分割聚类方法,通过层次分类(HC)增强多类数据集中的分类性能。该方法具有在不需要显式信息的情况下生成层次结构的独特能力,适用于缺乏先验层次知识的数据集。通过根据分类器的可辨识性将类别系统地分成两个 - 用于分类性能评估的分层混淆矩阵
本研究提出一种分层混淆矩阵的新概念,可用于评估包括有向无环图、多路径标记和非强制叶节点预测在内的所有类型分层分类问题,并将其应用于三个真实世界的分层分类应用的模型结果评估,其结果表明这种方法的合理性和对分层分类问题的评估的实用性。
- 严格零样本分层分类的简单有效框架
提出一种用于处理层级数据集的指示性长尾预测任务的方法,并结合蕴含 - 矛盾预测来解决大语言模型在零样本设置下容易失败的局限性。
- ACLDiscoPrompt:隐性语篇关系识别中的路径预测提示调优
本文提出了一种基于提示的路径预测方法来识别隐性的篇章关系,此方法利用了层级结构的信息并加以利用于预先训练好的语言模型中,从而在隐性篇章关系的识别上取得显著的性能提升。
- 注意力并不总是所需之物:走向有效地分类特定领域的文本
本文探讨了在专业领域文本分类中,预训练语言模型(PLMs)的使用是否有必要,通过比较在三个文本分类数据集上的各种模型的效果,发现对于专业领域文本分类任务,使用线性 SVM 分类器可以提供一种相当的、便宜的、可重现的、可解释的替代方案。
- 树形方法在并行层次分类中的应用
提出一种基于张量运算在硬件加速器上进行高效分层分类的方法,通过将给定语义树节点上的分类得分和标签批次转换为其沿着树向下的所有祖先路径上得分和标签,从而将所有标签转换为其所有祖先路径上的标签,其测试结果为在包含 20 级深度的 117,659 - 具有约束表示复杂度的层级分类中的集合预测
本论文研究了多类分类中的集合预测问题,提出了一种基于表示复杂度的集合预测松弛方法, 结合概率分类器使用特定的组合优化算法求解推断问题,并提出了三种算法,实验证明递归树搜索方法在条件类分布具有分层分类因子分解时比其他两种算法更加高效。
- AAAI面向任务的对话中基于非结构化知识的高效检索增强生成
本文总结了我们在第九届对话系统技术挑战赛(DSTC 9)第一轨中的工作,我们提出了一种基于层次分类和序列嵌入的检索和生成方法,以实现针对任务导向对话中利用非结构化文本信息的回答生成。
- 基于视觉感知层次的食品识别
本研究提出了一种新的基于 Convolutional Neural Networks (CNNs) 的两步骤食物识别系统,其中包括基于 Faster R-CNN 方法的食物定位和用于执行基于视图关联的分类任务的多任务 CNN 模型,该模型 - EMNLP大规模多标签文本分类的实证研究,包括少量和零样本标签
本研究在多个数据集上评估了多种 Large-scale Multi-label Text Classification 方法,发现基于概率标签树的层次分类方法优于 Label-Wise Attention Networks。另外,结合 Tr