positive and negative samples | BriefGPT

关键词positive and negative samples

搜索结果 - 6

对抗式课程图对比学习与配对数据增强
提出了一种创新的框架：对抗课程图对比学习（ACGCL），利用成对增强技术生成可控相似性的图级正负样本，并通过子图对比学习鉴别其中的有效图模式。ACGCL 框架内还设计了一种新颖的对抗课程训练方法，通过逐渐增加样本难度来促进渐进学习。最后，通
PDF5 months ago
图神经网络前向传播的进展
本文介绍了图正向正向（GFF）算法，它是一种扩展的前向前向算法，适用于处理分布在图节点上的特征，可以使用正向传递来训练图神经网络，而无需反向传输；其通过贪婪、逐层的方式将图神经网络层层训练，并使用正负样本，显示出比反向传播更加高效的计算优势
PDFa year ago
对比学习在多标签文本分类中的应用研究
本文提出了五个用于多标签多分类任务的对比损失，探索了对比学习在不同策略下用于多标签多分类任务的有效性，并为对比学习技术在多标签分类任务上提供了一组基准方法。本文的实验结果表明，我们提出的对比损失可以为多标签多分类任务带来一定的提升。我们的研
PDF2 years ago
SIGIR利用增强的案例正例和检索负例改进句子嵌入的对比学习
本文提出了一种新的文本对比学习方法 ——CARDS，改进了正负样本的质量问题，提出了一种 switch-case augmentation 方式来对抗预训练模型对频率、词形大小写和子词的内在偏态，同时从整个数据集中使用已预训练的语言模型来挖
PDF2 years ago
合作 - 对抗性对比学习：正样本和负样本均可直接学习
本文提出了一种有原则的方法来直接学习正样例和负样例，以配合和对抗的方式通过最大化和最小化对比损失来学习，获得了较好的预训练结果并开源了源代码和预训练模型。
PDF2 years ago
KDD自监督异质图神经网络与协同对比学习
本文研究了自监督的异构图神经网络，并提出了一种名为 HeCo 的新型协同对比学习机制，用于异构信息网络的节点嵌入学习，该方法利用两个视图提取两种嵌入，确保两个视图之间相互监督，学习高级节点嵌入，并使用两种 HeCo 扩展生成更难的高质量负样
PDF3 years ago