关键词supervised representation learning
搜索结果 - 5
- AAAI结构化概率编码
提出了一种新的监督表示学习框架，即结构化概率编码（SPC），用于从与目标任务相关的输入中学习紧凑且信息丰富的表示。SPC 可以提高预先训练语言模型的泛化能力以实现更好的语言理解。通过在高斯分布空间中编码隐藏表示，并同时最大化与标签空间相关的 - 新颖程度对于半监督表征学习用于新类别检索的影响
本研究探讨使用半监督学习方法在训练集中加入未标记的新类图片，以提高表示学习在搜索新类别图片时的效率，并提出了一种新的评估方法来评估基于半监督学习方法的表示学习，在语义差异较大时，相比于传统监督学习，基于半监督学习的表示学习可以在搜索新类别图 - EMNLP贝叶斯主题回归用于因果推断
本文介绍了 Bayesian Topic Regression 模型，该模型使用文本和数字信息以建模结果变量，并允许估计离散和连续处理效应，同时结合了有监督的表示学习和贝叶斯回归框架，以处理文本数据和数字混淆因素，证明了本文方法在合成和半合 - 基于受控表示学习和聚类导向正则化的事件指代消解
本文提出了一种基于监督表示学习的聚类框架来解决事件指代消解问题，采用了含有新颖 CORE 项的神经网络架构作为模型，该模型可以通过建立事件提及嵌入使聚类变得更易操作；在 ECB + 语料库上的测试中，我们的模型在文内和跨文档指代消解问题上均 - 用于处理不平衡数据的深度过采样分类框架
本文提出了 Deep Over-sampling（DOS）方法，它通过显式的、受监督的表示学习扩展了合成过采样方法，以利用卷积神经网络获取的深度特征空间，并通过 CNN 的训练和更新目标的迭代过程，使嵌入之间的类内方差较小，从而提高了深度表