基于深度生成模型的半众包聚类
机器学习
2018-10-30 v1 机器学习
摘要
我们考虑半监督聚类问题，其中众包提供关于一小部分数据上成对比较的噪声信息，即样本对是否在同一聚类中。我们提出一种新方法，包括一个深度生成模型（DGM）来刻画数据的低层特征，以及一个用于其子集上噪声成对标注的统计关系模型。两部分共享潜变量。为使模型自动权衡其复杂度和数据拟合，我们还开发了它的完全贝叶斯变体。推断的挑战通过快速（自然梯度）随机变分推断算法解决，其中我们在统一框架下有效结合关系部分的变分消息传递和 DGM 的摊销学习。在合成和真实世界数据集上的经验结果表明，我们的模型优于以往的众包聚类方法。
引用
@article{arxiv.1810.11971,
title = {Semi-crowdsourced Clustering with Deep Generative Models},
author = {Yucen Luo and Tian Tian and Jiaxin Shi and Jun Zhu and Bo Zhang},
journal= {arXiv preprint arXiv:1810.11971},
year = {2018}
}
备注
32nd Conference on Neural Information Processing Systems (NIPS 2018)