对抗约束多样性GAN

半监督文本强分类

通过对抗约束和多种类判别器,缓解判别歧义,在半监督文本分类任务中提升分类性能。

Zhou, Nai · 姚念民 · Hu, Nannan · 赵剑 · Zhang, Yanan

Knowledge-Based Systems 2024

参数信息

Micro-F1分数
72.5 %
Micro-F1分数
92.037 %

技术优势

判别歧义少了

通过增加额外的真实性判别器,将真假判别与类别分类分开处理,避免单一判别器在性质不同的任务上产生歧义。

对抗性更强

通过计算模型内在状态表示与均方误差的倒数,强化生成样本相对于真实数据分布的对抗性,从而学习更高质量的数据表示。

应用场景