动态阶次加权网络

细粒度发现抗噪

通过排序近邻与衰减加权,显式建模语义结构,减轻噪声影响,提升细粒度类别发现精度。

An, Wenbin · 田丰 · Wenkai, Shi · Haonan, Lin · Yaqiang, Wu · Cai, Mingxiang · Luyan, Wang · Hua, Wen · Lei, Yao · Chen, Ping

Knowledge-Based Systems 2024

参数信息

对比基准数据集数量
3
超越现有最优模型的评价指标数量
2

技术优势

显式建模语义结构

通过排序近邻并加权,直接利用数据间的相对顺序,避免依赖不准确的标签。

动态抑制噪声

随着模型能力增强逐步调整衰减函数底数,在利用邻域信息的同时避免噪声干扰。

理论依据充分

从三个角度为模型有效性提供了理论论证,提升方法可信度。

应用场景