面向结构化标签的计算高效 Wasserstein 损失
机器学习
2021-03-02 v1
摘要
估计标签概率分布的问题作为标签分布学习（LDL）问题已被广泛研究，其应用包括年龄估计、情感分析与语义分割。我们提出了一种树-Wasserstein 距离正则化的 LDL 算法，聚焦于层次化文本分类任务。我们提出使用神经网络预测完整的标签层次，其中预测标签与真实标签之间的相似性由树-Wasserstein 距离度量。通过使用合成与真实世界数据集的实验，我们证明了所提方法在训练过程中成功考虑了标签的结构，并且在计算时间与内存占用方面优于 Sinkhorn 算法。
引用
@article{arxiv.2103.00899,
title = {Computationally Efficient Wasserstein Loss for Structured Labels},
author = {Ayato Toyokuni and Sho Yokoi and Hisashi Kashima and Makoto Yamada},
journal= {arXiv preprint arXiv:2103.00899},
year = {2021}
}