基于混合先验生成模型的文档哈希

由于二值码之间距离评估的高效性，哈希在有大规模信息检索任务中颇具前景。生成式哈希常用于以无监督方式生成哈希码。然而，现有的生成式哈希方法仅考虑使用简单先验，如高斯和伯努利先验，这限制了这些方法进一步提升性能。本文提出两种混合先验生成模型，旨在为文档生成高质量哈希码。具体而言，首先将高斯混合先验施加于变分自编码器（VAE），随后通过独立步骤将 VAE 的连续隐表示转换为二值码。为避免独立转换带来的性能损失，进一步开发了使用伯努利混合先验的模型，其中借助直通（ST）离散梯度估计器实现端到端训练。在多个基准数据集上的实验结果表明，所提方法（尤其是使用伯努利混合先验的方法）始终大幅优于现有方法。