semantic hashing | BriefGPT

关键词semantic hashing

搜索结果 - 11

MM无监督多索引语义哈希
本论文提出了一种基于多索引哈希的无监督哈希模型，使用全新的训练目标学习哈希码，提高多文档相似性搜索的效率，该模型相比于现有模型具有更高的效率，实验结果显示其效果优于现有语意哈希模型。
PDF3 years ago
SIGIR无监督语义哈希与对偶重构
本文介绍了使用 Pairwise Reconstruction 的语义哈希方法，将弱监督的训练对编码为哈希码，并通过对这些哈希码的成对重构来实现对局部邻域结构的编码，从而在文档相似度搜索任务中获得了重要的性能改进。
PDF4 years ago
SIGIR面向冷启动推荐的内容感知神经哈希
本文提出了一种基于神经哈希的协作过滤方法（NeuHash-CF），它将自动编码器架构作为模型，并使用哈希码进行用户和物品的推荐，其中哈希码由内容获取，并在冷启动推荐中表现出最优性能。
PDF4 years ago
伯努利变分自编码器和自控梯度估计的成对监督哈希
介绍了一种基于离散隐变量 VAE 的成对损失函数，通过使用无偏的低方差梯度估计器，优化网络并获得了良好的性能
PDF4 years ago
SIGIR无监督神经生成语义哈希
提出了一种新的无监督生成语义哈希方法 (Ranking based Semantic Hashing,RBSH)，它由一个变分部分和一个基于排名的部分组成，能够通过哈希码生成实现文档排序，实验结果显示，相较于传统方法和最新的语义哈希方法，这
PDF5 years ago
适用于小型数据集的子词语义哈希在意图分类中的应用
本文介绍了在意图分类中使用语义哈希作为嵌入的方法，并在三个常用基准测试上实现了最先进的性能。语义哈希是一种尝试克服诸如数据饥饿和词汇表依赖性等挑战，学习强大的文本分类的方法，可以处理拼写错误和小型数据集等问题。
PDF6 years ago
ACLNASH: 面向生成语义哈希的端到端神经结构
本文提出一种新型神经网络模型 NASH，用于信息检索中的语义哈希，利用伯努利潜变量处理二进制约束。采用神经变分推理框架进行训练，直接通过离散潜变量反向传播梯度以优化哈希函数。结合率失真理论，本文进行了理论分析，通过在三个公开数据集上的实验验
PDF6 years ago
AAAI图的伯努利嵌入
通过将图表数据的嵌入视为不同偏置下的独立硬币翻转，应用持续优化技术来获得二元向量的简单且有效模型，得出了优于谱图嵌入和各种学习实值嵌入的量化结果，可以显著降低图表数据检索的延迟。
PDF6 years ago
序列模型的离散自编码器
本文旨在通过强制使用自动编码器并引入改进的语义哈希技术，从序列模型中提取更好的表示，以提高其在语言建模和机器翻译等任务中的表现，并展示了该技术在生成多元化翻译方面的应用。
PDF6 years ago
ECCVForestHash：浅层随机森林和微型卷积网络的语义哈希
本文提出了一种随机森林语义哈希方案，其中嵌入了微型卷积神经网络来产生哈希码以应对不断增长的数据。该方案使用的信息论代码聚合技术接近最优，用于图像检索任务时与最新的哈希方法相比明显优于其他方法，同时实现了其他最先进图像分类技术的表示紧凑和高效
PDF7 years ago
自学习哈希用于快速相似性搜索
该论文提出一种基于自学习的哈希方法，通过无监督学习为给定语料库中的所有文档找到 $l$ 位二进制码，再通过有监督学习训练 $l$ 个分类器，以预测之前未见过的查询文档的 $l$ 位码。在三个真实的文本数据集上的实验表明，该方法比现有技术显著
PDF14 years ago