SetConv：一种从不平衡数据学习的新方法
信息检索
2021-04-14 v1 人工智能
机器学习
摘要
对于许多现实世界的分类问题，例如情感分类，当不平衡比(IR)较高时，大多数现有机器学习方法会偏向多数类。为解决此问题，我们提出一种集合卷积(SetConv)操作与情景训练策略，为每一类提取单一代表，从而使分类器后续可在平衡类分布上训练。我们证明了所提算法对输入顺序具有置换不变性，且在多个大规模基准文本数据集上的实验显示了所提框架相对于其他SOTA方法的优越性。
引用
@article{arxiv.2104.06313,
title = {SetConv: A New Approach for Learning from Imbalanced Data},
author = {Yang Gao and Yi-Fan Li and Yu Lin and Charu Aggarwal and Latifur Khan},
journal= {arXiv preprint arXiv:2104.06313},
year = {2021}
}
备注
Accepted by EMNLP 2020 (11 pages, 9 figures)