《计算机工程与科学杂志》发表论文赏析

ICBV:一种基于BERT变分自编码的半监督意图聚类方法

来源:计算机工程与科学杂志2026年第2期北京时间:

作者:赵锦栎, 勾智楠, 高凯

单位:1.河北科技大学信息科学与工程学院,河北 石家庄 050018;2.河北经贸大学管理科学与信息工程学院,河北 石家庄 050061

摘要:意图聚类在自然语言处理中具有重要价值,面对有限的标记数据时,现有方法往往难以捕捉到离散文本表示中复杂的语义信息,并且未标记数据常常包含噪声,直接为其赋予伪标签可能会对模型的训练造成负面影响,因此如何有效利用未标记数据并减少噪声成为关键问题。为了解决这一问题,提出了一种名为ICBV的半监督聚类方法。该方法结合少量有标签数据和基于BERT编码的变分自编码器进行预训练表示学习,并随后在训练阶段采用质心引导策略。ICBV能够对输入文本进行编码并计算潜在变量,从而捕捉数据的潜在空间表示。ICBV相较传统聚类方法,还利用了深度学习的特性,以便更有效地捕捉数据的复杂结构和非线性关系。在BANKING77数据集上的不同已知类比率设置下的实验中,准确率相对最新基线方法有所提高,验证了VAE编码获得潜在变量表示的有效性和聚类方法的鲁棒性。该方法为自然语言处理领域中意图聚类中的标记数据不足和噪声问题提供了一种解决方案。

关键词:半监督聚类,意图聚类,变分自编码器(VAE),

基金资助:河北省自然科学基金(F2023207003)

2026年2期其他文献查阅:

低温ADC综述

基于发送速率梯度的数据中心网络拥塞控制

面向领域专用片上网络的自定义拓扑结构生成框架

下一代智算中心RDMA QP通信机制

应用场景驱动的动态自重构A*算法加速阵列设计与实现

一种基于因果关系的减轻大语言模型幻觉的方法

一种基于强化学习的多跳知识图谱推理方法研究

基于多阶段协同推理的大语言模型司法问答框架

ICBV:一种基于BERT变分自编码的半监督意图聚类方法

面向电力运维的知识图谱构建:基于EBOM模型的实体关系联合抽取

基于双编码器和知识增强的方面情感三元组抽取

基于改进的PEGASUS模型与自适应纠错机制的双阶段文本摘要方法

基于动态依赖驱动与多元特征增强的中文关系抽取

基于数据增强的对话情绪识别

基于全景语义和多层次特征融合的方面级多模态情感分析

基于提示学习的少样本情感分类研究

一种基于预训练语言模型的多特征融合文章对匹配模型

自适应融合的多模态实体对齐方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!