关键词hierarchical contrastive learning
搜索结果 - 6
- 打破负迁移之谜：跨领域序列推荐的合作博弈论方法
这篇论文研究了多领域顺序推荐（CDSR）的问题，提出了一种新的 CDSR 框架来解决负迁移问题，并使用合作博弈论来估计领域对模型性能的边际贡献，以及引入层次对比学习方法来缓解负迁移。通过在两个真实数据集中跨十个不同领域进行实验，证明了我们的 - ACL多模态情感分析中的对比知识注入
本研究提出了一种基于适配器架构、对每个模态进行特定知识注入的分层对比学习（ConKI）方法，以实现多模态情感分析，并在三个流行的多模态情感分析基准测试中表现优异。
- 中文对话中的主题转换检测：语料库和基准
本文提出了基于分层对比学习的师生框架来预测没有响应的话题转移，并在中文自然对话话题语料库上进行了实验，结果表明该模型的有效性。
- HCL：基于分层对比学习的图像表示改进
在图表征学习中，提出了一种新的分层对比学习 (Hierarchical Contrastive Learning, 简称 HCL) 框架，采用自适应的 L2Pool 方法进行更合理的多尺度图形拓扑构建，并采用多通道伪孪生网络来进一步扩展各级 - MM层次化少样本目标检测：问题、基准和方法
本文提出了一个名为 Hi-FSOD 的新问题，旨在在 FSOD 范式中检测具有分层类别的对象，并在 Hi-FSOD-Bird 基准数据集上使用 Hierarchical Contrastive Learning 方法及概率损失训练模型，优于 - ICLR跨语言学习通用表征
本文介绍了一种基于 Hierarchical Contrastive Learning 的方法，用于学习句子级别的跨语言表示方法，在 XTREME 任务和机器翻译任务中实验表明，该方法可以显著提高模型准确性。