.png){kind=icon}
返回
A survey on self-supervised learning for non-sequential tabular data
.png){kind=icon}
PRE
AI
DOI：10.1007/s10994-024-06674-0.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
自监督学习（SSL）已被整合到各个领域中的许多最先进模型中，其中SSL基于无标签数据集定义预文本任务，以学习上下文化和鲁棒性表示。最近，SSL已成为探索表格数据表示学习能力的新趋势，由于缺乏显式关系来学习描述性表示，这更具挑战性。本综述旨在系统地回顾和总结SSL用于非序列表格数据（SSL4NS-TD）的最新进展和挑战。我们首先给出了NS-TD的正式定义，并阐明其与相关研究的关系。然后，将这些方法分为三组——预测学习、对比学习和混合学习，并阐述每个方向代表性方法的研究动机和优势。此外，介绍了SSL4NS-TD的应用问题，包括自动数据工程、跨表可迁移性和领域知识集成。此外，我们详细阐述了NS-TD应用中现有的基准测试和数据集，以分析现有表格模型的性能。最后，我们讨论了SSL4NS-TD的挑战，并为未来研究提供了潜在方向。我们期望我们的工作有助于鼓励更多研究降低SSL在表格领域的入门门槛，并改进隐式表格数据的基础。
Keyword:
Tabular data
Self-supervised learning
Non-sequential tables
期刊
IF:
2.9
论文数:
2.7K
被引数:
3.4W
机构
引用论文
XGBoost.png)
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏DoRA: Domain-Based Self-Supervised Learning Framework for Low-Resource Real Estate AppraisalDoRA：基于域的自监督学习框架，用于低资源房地产估价
OAAI
OAAI分享收藏
查看更多内容