基于消息传递自编码器的无监督双曲表示学习
机器学习
2021-03-31 v1
摘要
现有关于双曲嵌入的文献大多集中于监督学习，而无监督双曲嵌入的使用则较少被探索。本文分析了无监督任务如何从无监督双曲空间学习表示中获益。为探究无标签数据的层次结构在双曲空间中能被表征的程度，我们设计了一种新颖的双曲消息传递自编码器，其整体自编码过程在双曲空间中完成。所提模型通过在消息传递中充分利用双曲几何来对网络进行自编码。通过广泛的定量与定性分析，我们验证了无监督双曲表示的特性与益处。代码见 https://github.com/junhocho/HGCAE。
引用
@article{arxiv.2103.16046,
title = {Unsupervised Hyperbolic Representation Learning via Message Passing Auto-Encoders},
author = {Jiwoong Park and Junho Cho and Hyung Jin Chang and Jin Young Choi},
journal= {arXiv preprint arXiv:2103.16046},
year = {2021}
}