BriefGPT - AI 论文速递
·
多标签分类的鲁棒性：对抗不平衡和噪声的数据增强策略
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
我们提出了一种名为BalanceMix的数据增强方法，用于解决多标签分类中的类别不平衡和噪声问题。该方法包括两个样本策略，用于生成多样性较高的少数类增强样本，并对多标签进行细分，将噪声标签归类为清晰、重新标记或不确定。实验结果表明，BalanceMix优于现有方法。
🎯
关键要点
-
提出了一种名为BalanceMix的数据增强方法。
-
BalanceMix用于解决多标签分类中的类别不平衡和噪声问题。
-
该方法包括两个样本策略，生成多样性较高的少数类增强样本。
-
对多标签进行细分，将噪声标签归类为清晰、重新标记或不确定。
-
实验结果表明，BalanceMix优于现有的最先进方法。
-
在三个基准数据集上进行了大量实验验证。
🏷️
标签
➡️
