multi-label classification | BriefGPT

关键词multi-label classification

搜索结果 - 201

面向不平衡的大规模多标签分类与部分标注的研究
研究了如何使用部分标签对神经网络进行训练，解决多标签分类中的标签不平衡问题，并提出了伪标注技术、新的损失函数和动态训练方案来优化模型性能。在多个公开数据集上进行了广泛实验，结果显示该方法优于现有的一些最先进方法，甚至在部分标注情况下超越了使
PDFa year ago
LaFiCMIL：从相关多示例学习的视角重新思考大型文件分类
利用 Transformer-based 模型作为特征提取器，我们提出的 LaFiCMIL 方法在各种大文件分类任务中，包括二分类、多类别分类和多标签分类任务，跨越了自然语言处理、编程语言处理和 Android 分析等多个领域，在克服输入限
PDFa year ago
KDDDeepGATGO: 基于分层预训练的图注意力模型用于自动蛋白质功能预测
自动蛋白质功能预测是一项大规模多标签分类问题，它旨在通过自动化蛋白质富集分析，消除对耗时的湿实验方法的依赖。通过仅使用蛋白质序列进行预测的方法逐渐提高可靠性和降低计算成本。因此，我们提出了一种基于序列的层次预测方法 DeepGATGO，它以
PDFa year ago
基于皮肤镜和临床图像的多标签皮损分类图集学习模型
本文提出了一种基于图卷积网络和集成学习的方法，用于皮肤病变分析中的多模态数据的多标签分类，该方法可以成功地利用先前的共现关系，可在不同数据集上提高分类性能并取得最新成果。
PDFa year ago
协同学习与拼合相结合的多标签视觉识别技术
本文重点研究在含有噪声标签的长尾多标签视觉数据中如何降噪，提出了一种 Stitch-Up 数据增强方法和一个 Heterogeneous Co-Learning 框架，实现去噪和更健壮的表征学习。通过两个挑战性基准测试，VOC-MLT-No
PDFa year ago
多标签分类只需要正标签
本文提出了一种名为正例与未标注多标签分类（PU-MLC）的新方法，通过在训练时直接丢弃训练集中的负标签来减少嘈杂的标签所带来的不良影响，并通过引入自适应重平衡因子和自适应温度系数来缓解标签分布中的灾难性不平衡和概率平滑问题。大量的实验证明了
PDFa year ago
主动学习引导下微调，增强基于自监督的遥感多标签分类
本文旨在探讨自监督预训练与主动学习的联合使用是否能够有效解决遥感图像多标签分类中的类不平衡问题，并通过实验证明了与单独使用随机训练集进行微调相比，指导自监督模型的主动学习微调方案的有效性。
PDFa year ago
超越分类：一种用于事件时间关系提取的统一框架
本文提出了一个统一的事件时间关系提取框架，并将时间关系转化成时间点的逻辑表达式，通过预测某些时间点的关系完成事件时间关系提取。该方法不仅在 TB-Dense 和 MATRES 上取得了显著提升，也可以在低数据情况下实现稳定的改进。
PDFa year ago
ICLR单正样本多标签学习中标签偏差的理解
该研究介绍了单正多标签学习中标签偏差的研究方法，并提供了新的经验证据，以便使用仅一个正标签的图像进行有效的多标签分类。
PDFa year ago
F-PABEE: 用于单标签和多标签文本分类任务的灵活耐心型早期退出
F-PABEE 方法通过在分类器进行预测，如果跨层预测分布连续相似，则提前退出，相对于之前最先进的 PABEE 早期退出方法更灵活，同时可以调整相似度分数阈值和耐心参数，通过实验证明，在单标签分类和多标签分类任务中，在 BERT 和 ALB
PDFa year ago
不均衡标签样本分布下的时尚检测数据高效训练
本文介绍了一种基于深度神经网络的加权目标函数方法，用于解决电子商务中多标签分类模型数据分布不平衡的问题，并以时尚属性检测为例进行了实验，结果表明相比于非加权和逆频率加权机制，采用新的加权机制的表现更好，同时验证了该方法在当今时尚业常见属性检
PDFa year ago
在土耳其临床领域利用 BERT 的力量：有限数据场景下的预训练方法
本研究旨在探讨语言资源有限情况下，各种预先培训方法对土耳其临床语言模型在涉及放射学报告的多标签分类任务中表现的影响，并通过利用有限的临床任务数据首次评估了同时进行预训练的方法。我们发现，在使用大量通用域语料库的情况下，通用土耳其 BERT
PDFa year ago
不完美环境下的学习：长尾分布和部分标签的多标签分类
本文介绍了一种新颖的任务，即 Partial labeling and Long-Tailed Multi-Label Classification（PLT-MLC），并提出了一种端到端的学习框架 CO-MIC-Balance（Correc
PDFa year ago
ChatGPT 模型在漏洞检测中的评估
本技术报告评估了 ChatGPT 和 GPT-3 模型在代码漏洞检测任务上的性能。通过使用 CWE 漏洞的二进制和多标签分类任务对真实世界数据集进行评估，结果表明 ChatGPT 在代码漏洞检测的二进制和多标签分类任务中表现不如一个虚拟分类
PDFa year ago
多标签分类的不对称多项式损失
本文提出了一种有效的非对称多项式损失函数 (APL)，通过泰勒展开和改进多项式函数系数等方式，采用非对称聚焦机制减缓了二元交叉熵 (BCE) 损失函数不足之处，并验证了多项式系数可以重新校准非对称聚焦超参数，实验证明了该方法可以在关系提取、
PDFa year ago
法语临床文本上的 ICD-10 自动编码关联：一个具有挑战性的任务
本文提出一种将 Transformer 模型应用于 ICD 诊断代码自动关联的方法，实现了对于大规模标签集的多标签分类，并在 French Clinical 数据集上实验取得了比常见模型高 55% 的 F1-score 结果。
PDFa year ago
BERT 模型进行开放性问题的多标签分类
本研究比较了基于 BERT 的多标签分类系统与传统的多标记算法的性能，在德语社会科学调查 GLES Panel 中，BERT（至少强制一个标签）的分类具有最小的 0/1 损失，为 13.1％，因此表明 BERT 对于多标签问题的处理是有效的
PDFa year ago
ACL面向文档级关系抽取的辨别性和鲁棒性融合
本文针对文档级关系抽取问题，设计一种具有高区分性和鲁棒性的方法，包括有效的损失函数，熵最小化和有监督对比学习，新颖的负标签采样策略，并在新的数据情境下进行评估。实验结果表明，该方法在 DocRED 数据集，Re-DocRED 和提出的数据情
PDFa year ago
AAAI现实世界分类任务中的神经符号规则学习
我们提出了一种名为 Neural DNF-EO 的模型来扩展 pix2rule 的神经 DNF 模块以支持多类别和多标签分类任务，并探索模型的可扩展性和可解释性，并且证明我们的模型类似于神经网络，但提供了更好的可解释性。
PDFa year ago
使用多尺度网络和自注意机制的帧级多标签演奏技巧检测
本文提出了一种基于多尺度网络和自我关注机制的方法，将吉他演奏技巧检测问题定义为基于帧的多标签分类问题，应用于吉他演奏，有效地提取不同尺度的特征，并优于现有方法。
PDFa year ago