BriefGPT - AI 论文速递
·
对比学习子空间用于文本聚类
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种在线聚类方法，名为对比聚类，通过最大化正样本对的相似度和最小化负样本对的相似度，实现了实例级和簇级对比学习。实验结果显示，该方法在六项图像基准任务中优于17种竞争对手的聚类方法。
🎯
关键要点
- 提出了一种名为对比聚类(Contrastive Clustering, CC)的在线聚类方法。
- 该方法实现了实例级和簇级对比学习。
- 通过最大化正样本对的相似度和最小化负样本对的相似度进行对比学习。
- 在特征空间中分别进行行级和列级的对比学习。
- 优化实例级和簇级对比损失，联合学习表示和簇分配。
- 实验结果显示，CC在六项图像基准任务中显著优于17种竞争对手的聚类方法。
- 在CIFAR-10和CIFAR-100数据集上，CC的NMI分别为0.705和0.431。
- 相较于最佳基线，CC的NMI提高了多达19%和39%。
➡️
