.png){kind=icon}
返回
Hierarchical multi-granular multi-label contrastive learning
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2025.111567.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
多标签分类是一种任务，其中开发预测模型以将相关标签集分配给未见过的实例。标签相关性提取和利用已广泛应用于多标签分类方法中。然而，当前的多标签对比学习算法未能充分将标签相关性纳入特征空间，从而限制了多标签样本的最优特征表示学习。为解决此局限性，本文提出了一种新颖的层次化多粒度多标签对比学习方法。所提出的方法包括构建多标签层次相关性、基于层次关系的标签扩展，以及基于这些结构的多粒度对比学习表示学习。实验结果表明，在广泛使用的数据集上，所提出的方法优于当前最先进的技术。
Keyword:
Multi-label learning
Contrastive learning
Label enhancement
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
暂无机构信息
引用论文
.png){kind=icon}
Self-supervised Graph-level Representation Learning with Adversarial Contrastive Learning基于对抗性对比学习的自监督图级表示学习
OAAI
OAAI分享收藏Label correlations-based multi-label feature selection with label enhancement基于标签相关性的多标签特征选择与标签增强
PREAI
分享收藏
查看更多内容