双曲层次对比哈希

现实世界数据集中自然存在的层次语义结构，有助于捕捉数据的潜在分布，从而为检索系统学习鲁棒的哈希码。尽管层次语义结构可以通过将语义相关的数据整合到具有较粗粒度语义的高层分类单元中来简单表达，但对于无监督哈希学习而言，这些结构的构建、嵌入和利用仍然棘手。为解决这些问题，我们提出了一种名为双曲层次对比哈希（HHCH）的新型无监督哈希方法。我们提出将连续哈希码嵌入到双曲空间中以实现精确的语义表达，因为在双曲空间中嵌入层次结构产生的失真小于超球面空间和欧几里得空间。此外，我们将K-Means算法扩展到双曲空间，并执行所提出的层次双曲K-Means算法来自适应地构建层次语义结构。为了利用双曲空间中的层次语义结构，我们设计了层次对比学习算法，包括层次实例级和层次原型级对比学习。在四个基准数据集上的大量实验表明，所提出的方法优于最先进的无监督哈希方法。代码将发布。