基于伯努利变分自编码器与自控制梯度估计器的成对监督哈希
机器学习
2020-05-22 v1 机器学习
摘要
语义哈希已成为许多大规模信息检索系统(尤其是文本数据)中快速相似搜索的关键组成部分。以二值潜变量作为哈希码的变分自编码器(VAE)在文档检索精度方面提供了最先进的性能。我们提出一种带有离散潜变量 VAE 的成对损失函数,以在监督哈希中奖励类内相似性与类间相异性。不同于依赖现有有偏梯度估计器求解优化,我们采用一种无偏低方差梯度估计器,通过在两组相关的二值哈希码上评估不可微损失函数来控制梯度估计的方差,从而优化哈希函数。正如我们全面的实验所展示的,这一新的语义哈希框架相比最先进方法取得了更优的性能。
引用
@article{arxiv.2005.10477,
title = {Pairwise Supervised Hashing with Bernoulli Variational Auto-Encoder and Self-Control Gradient Estimator},
author = {Siamak Zamani Dadaneh and Shahin Boluki and Mingzhang Yin and Mingyuan Zhou and Xiaoning Qian},
journal= {arXiv preprint arXiv:2005.10477},
year = {2020}
}
备注
To appear in UAI 2020