BriefGPT.xyz
Ask
alpha
关键词
short text clustering
搜索结果 - 6
短文本聚类的联邦学习
本文提出了一种面向分布式短文本聚类的联邦鲁棒短文本聚类(FSTC)框架,该框架通过创新地将最优输运与高斯 - 均匀混合模型相结合,旨在以有效的数据训练模型并确保伪有监督数据的可靠性,在客户端间以高效的方式交换知识而不共享原始数据,从而显著优
→
PDF
7 months ago
使用自适应最优输运生成可靠伪标签的稳健短文本聚类表示学习
本文提出了一种鲁棒的短文本聚类模型 (RSTC),通过假标签生成模块和鲁棒的表示学习模块,提高抗噪声和不平衡数据的鲁棒性,实验证明在 8 个短文本聚类数据集上优于现有模型。
PDF
a year ago
ACL
用对比学习支持聚类
该论文提出了 SCCL 框架,使用对比学习来帮助无监督聚类,有效提升类别间距离,进而在短文本聚类中达到更好的结果。研究表明,SCCL 能够显著提高精度和归一化互信息,同时有效结合自下而上的实例判别和自上而下的聚类来实现更好的聚类效果。
PDF
3 years ago
迭代分类增强短文本聚类
本文提出了一种基于迭代分类的短文本聚类方法,该方法通过离群值去除、分类算法训练和重新聚类等操作,使得短文本聚类的准确性得到了显著提升。实验结果表明,相对于其他聚类方法和现有的短文本聚类方法,该方法在多个短文本数据集上的聚类效果更好。
PDF
4 years ago
自学习卷积神经网络用于短文本聚类
本文提出了一种名为 STC^2 的灵活自学习卷积神经网络框架,通过未监督学习的方式,将原始的短文本特征转化为紧凑的二进制代码,并利用卷积神经网络学习深层次的特征表示,通过 K-means 聚类方法得到最佳聚类效果,实验结果表明该方法优于其它
→
PDF
8 years ago
利用深度表示学习进行短文本半监督聚类
提出了一种半监督的短文本聚类方法,使用神经网络将文本表示为分布式向量,并使用少量标记数据来指定聚类目标,并通过设计新的目标将表示学习过程和 k 均值聚类过程结合在一起优化,最后迭代地用已标记和未标记的数据来优化整个目标,得到了比其他文本聚类
→
PDF
8 years ago
Prev
Next