JointMatch: 一种用于半监督文本分类的多样化和协作伪标签统一方法
原文中文，约400字，阅读约需1分钟。发表于：。提出了一种名为 JointMatch 的新方法，用于半监督文本分类，通过结合最近半监督学习和学习带有噪声任务的理念，解决了伪标签偏见和错误积累的问题。JointMatch 通过根据不同类别的学习状态自适应调整类别阈值，减轻了模型对当前容易类别的偏见。此外，JointMatch 通过利用两个初始化不同的网络以交互标记的方式互相教导，减轻了错误的积累问题。实验结果表明，JointMatch...
该文介绍了一种名为JointMatch的新方法，用于半监督文本分类。该方法结合了半监督学习和学习带有噪声任务的理念，解决了伪标签偏见和错误积累的问题。实验结果表明，JointMatch在基准数据集上表现优越，在平均上提高了5.13%的性能。
