基于自适应最优传输生成可靠伪标签的短文本聚类鲁棒表示学习
计算与语言
2023-05-29 v1 人工智能
机器学习
摘要
短文本聚类具有挑战性，因为它以不平衡且含噪声的数据作为输入。现有方法不能很好地解决该问题，因为（1）它们容易在高度不平衡的数据集上获得退化解，且（2）它们易受噪声影响。为解决上述问题，我们提出一种鲁棒短文本聚类（RSTC）模型，以提升针对不平衡和噪声数据的鲁棒性。RSTC包含两个模块，即伪标签生成模块和鲁棒表示学习模块。前者生成伪标签为后者提供监督，有助于获得更鲁棒的表示和正确分离的簇。为提供针对数据不平衡的鲁棒性，我们在伪标签生成模块中提出自适应最优传输。为提高针对数据噪声的鲁棒性，我们在鲁棒表示学习模块中进一步引入类级和实例级对比学习。我们在八个短文本聚类数据集上的实证研究表明，RSTC显著优于最先进的模型。代码可在以下地址获取：https://github.com/hmllmh/RSTC。
引用
@article{arxiv.2305.16335,
title = {Robust Representation Learning with Reliable Pseudo-labels Generation via Self-Adaptive Optimal Transport for Short Text Clustering},
author = {Xiaolin Zheng and Mengling Hu and Weiming Liu and Chaochao Chen and Xinting Liao},
journal= {arXiv preprint arXiv:2305.16335},
year = {2023}
}