- 学习描写逻辑概念的置换不变嵌入
该论文提出了一个新的学习方法 NERO,重塑了学习问题并将其作为一种多标签分类问题,通过排名预测出的得分,无需进行过多的探索即可检测到可能的目标概念,并在搜索流程中使用排名靠前的概念来提高状态 - 最先进的符号模型的性能。在 5 个基准数据 - FAST:面向联邦学习的快速自适应聚合技术进行多标签分类
本文提出了一种基于聚类的多标签数据分配和一种新的聚合方法 —— 快速标签自适应聚合以解决多标签联邦学习中的分类问题。实验结果表明,该方法仅需要不到 50%的训练迭代和通信轮次即可超过最先进的联邦学习方法。
- 用于多标签分类的区间类型 - 2 模糊神经网络
本研究提出了基于区间二型模糊逻辑的多标签分类模型,其中使用深度神经网络预测实例类型 - 1 模糊成员资格和模糊化器,以生成区间二型模糊成员资格,并提出一种损失函数来测量数据集中的二元标签和我们的模型生成的区间二型模糊成员资格之间的相似性。实 - AAAISimFair: 公平感知多标签分类的统一框架
本研究探索了在多标签分类任务中公平意识的构建,并提出了一种新的框架,名为相似性诱导公平。该框架利用具有相似标签的数据来实现更好的稳定性,在多标签数据上表现出比现有方法更好的性能。
- 高维数据中自复制随机森林链的缺失值插补
本文提出了一种基于多标签分类和随机森林的缺失值填充算法,适用于高维低样本数据,尤其适用于单核苷酸多态性数据集,实验证明其优于标准算法。
- AAAI基于 Prompt 的多标记少样本 ICD 编码自回归生成
本研究旨在解决将多标签分类任务转变为自回归生成任务的长尾挑战,通过引入新颖的生成自由文本的预训练目标,生成低维度的文本描述,从而推断出 ICD 代码,实验结果表明我们所提出的模型实现了新的 SOTA 表现,并设计了一种新的交叉关注再排序器来 - KDDMLC 数据的 FAIR 化
本文介绍了一种基于本体的多标签分类(MLC)数据集在线目录和性能评估查询系统,以便遵循 FAIR 和 TRUST 原则以保证合适、正确、强大和值得信赖的基准测试。
- 使用 Transformer Adapter 扩展原声语言识别能力
本文介绍了一种基于 Transformer 解码器(GPT-2)的深度生成方法,以解决母语识别(NLI)的实际问题与限制,引入了 Transformer 适配器以提高内存限制和训练 / 推理速度,以扩展 NLI 应用于生产。
- IITD 在 WANLP 2022 共享任务中:用于宣传检测的多语言多粒度网络
使用 XLM-R 模型预测给定推文中每个宣传技术的概率,运用多粒度神经网络与 mBERT 编码器,基于大规模阿拉伯语数据集进行多标签分类及序列标注任务,该方法在 WANLP'2022 的两项子任务中获得第二名。
- 基于人脑多视角多标签细粒度情感解码
本文提出了一种用于通过大脑活动数据进行情绪识别的新型多视图、多标签的混合模型,可以同时学习表达性的神经表示并多元预测情绪状态,通过实验表明该方法具有较高的识别准确率。
- 基於證據深度學習的可信多標籤下水道缺陷分類
本文介绍了一种新的污水管道缺陷分类方法,名为可靠多标签污水管道缺陷分类(TMSDC),该方法运用了具有不确定性的警告深度学习对对污水管道缺陷进行预测,并通过新的专家基础费率分配(EBRA)引入专家知识来描述实际情况下的可靠证据。测试结果表明 - 电影中的视觉场景识别
该研究提出了一种新的电影中的视觉场景分析方法,通过自动分类电影剧本和网络数据集,对电影片段进行弱标注,在该数据集上训练出预训练模型并取得显著的视觉场景和流派分类效果。
- 基于 BERT 的集成方法用于仇恨言论检测
本文聚焦于利用包括 BERT 在内的多个深度模型以及集成学习等技术,对社交媒体上的仇恨言论进行分类,使用三个公开 Twitter 数据集进行实验并考察多种方法的分类性能,最终以新数据集 DHO 进行多标签分类,取得了不错的成果,尤其在集成学 - FlexER: 多意图柔性实体解析
本研究提出了多重意图实体解析问题 (MIER) 的解决方案 FlexER,使用目前通用实体解析任务的现代解决方案来解决多个实体解析问题,并将其作为多标签分类问题解决,使用多重图神经网络来学习意图表示,并在大规模实证评估中推出了一个新的基准, - 通过错排阅读理解实现无需触发词的事件检测
本文提出了一种基于 Derangement 机制的机器阅读理解框架的无触发词事件检测方法,通过与所有事件类型 token 进行拼接并设计简单而有效的事件混淆模块来解决多标记分类、线索不足和事件分布不均衡等挑战。实验结果表明,该模型表现出色, - 一种双模态方法用于(零样本)多标签分类
该论文提出了一个新算法 - Aligned Dual moDality ClaSsifier (ADDS),其中包括一个双模式解码器 (DM-decoder) 和视觉和文本特征之间的对齐,用于多标签分类任务,并设计了一种称为金字塔前馈 (P - 一种多标签连续学习框架,以扩展深度学习方法以进行包装设备监控
本研究提出了一种高效的方法,用于处理 Domain Incremental Learning 场景下的 multi-label classification 问题,并能够在 Class Incremental Learning 场景下应用, - ZLPR:一种多标签分类的新型损失函数
本文提出了一种基于 zero-bounded log-sum-exp 和 pairwise rank-based 的 loss function -- ZLPR,能够处理目标标签数量不确定,同时考虑标签之间的相关性,使其具有与二进制关联(B - BEIKE NLP 参加 SemEval-2022 任务 4:基于提示的段落分类,用于辨别居高临下的语言
本文探讨了使用基于 prompt 的学习方法解决 PCL 检测问题。使用 DeBERTa 模型和在任务特定提示中自适应预测的方法,将 PCL 检测问题转化为适当的 cloze 提示填充,达到了 0.6406 的二元分类 F1 分数和 0.4 - CVPR弱监督表示学习在大规模产品检索中的应用
本文介绍了一种用于 eBay 可视搜索挑战的弱监督商品检索的新型解决方案,该方案通过使用来自商品标题的伪属性作为多标签分类的真实值,采用多个强大的 backbones,包括白化,重排序和模型集成等后处理技术,实现了 71.53% 的 MAR