关键词hierarchical multi-label classification
搜索结果 - 7
- 层级洞察：利用结构相似性进行可靠的 3D 语义分割
通过抽象的学习规则，我们提出了一种训练策略，使得三维光达语义分割模型能够学习不同类别之间的结构关系，从而提高模型的置信度校准，并为融合、预测和规划等下游任务保留附加信息。
- 基于 Transformer 嵌入和层次感知 注意力结构的金融交易分层分类
本研究提出了一种基于 Transformer 的 Two-headed DragoNet 模型，用于金融交易的分层多标签分类。我们的模型基于一系列 Transformer 编码层，从两个简短的文本描述（商家名称和业务活动）生成上下文嵌入，然 - 几何关系嵌入：综述
本文概述了基于几何关系嵌入的方法，将关系数据映射为适合于机器学习的矢量信息和适合于结构化 / 关系推理的结构化 / 关系信息，以低维度的方式组合。这种嵌入方法保留了关系结构和吸引人的属性和可解释性，已被应用于诸如知识图谱完成、本体和层次关系 - EMNLP利用实体掩蔽语言建模和多任务学习提高危机相关推文分类
该研究提出了一种基于实体屏蔽语言建模和层次化多标签分类的多任务学习方法，以解决社交媒体危机管理中的事件相关偏差和高度不均衡标签分布问题，并在 TREC-IS 数据集上表现出高达 10% 的 F1 得分绝对性能提升。同时，实体屏蔽可以减少过度 - 不是所有的错误都是相等的：全面层次感知多标签预测（CHAMP）
本文探讨了层次多标签分类问题，并提出了综合层次感知多标签预测（CHAMP）框架，该框架能够根据标签之间的层次关系，对预测错误进行惩罚，实验表明将层次信息纳入多标签分类可显著提升性能。
- 相干的层次多标签分类网络
本文提出了一种新的层次化多标签分类问题的方法 C-HMCNN (h)，该方法利用网络 h 中的层次信息，以产生符合约束的预测并提高性能，在广泛的实验分析中展示了与最先进模型相比的优异性能。
- 层次多标签分类的双曲交互模型
本文提出了一种使用超几何空间嵌入词汇和标签层次结构的方法来解决层级多标签分类问题。通过设计新的超球面交互模型，实现对标签感知的文档表示和 HMLC 预测，实验结果表明新模型相对于现有方法进一步提高了性能。