基于主动学习的深度半监督聚类模型
Deep active semi-supervised clustering model
1. 贵州大学 文本计算与认知智能教育部工程研究中心, 贵阳 550025
2. 贵州大学 公共大数据国家重点实验室, 贵阳 550025
3. 贵州大学 计算机科学与技术学院, 贵阳 550025
摘要
深度半监督聚类旨在利用少量的监督信息达到更好聚类效果。然而，由于标注成本昂贵，监督信息的数量往往是有限的。因此，在监督信息有限的情况下，如何选择对聚类最有价值的监督信息变得至关重要。针对以上问题，提出了基于主动学习的深度半监督聚类模型(DASCM)，该模型设计了一种主动学习方法，能够挑选出蕴涵丰富信息的边缘文本，并且进一步生成蕴涵边缘文本的高价值监督信息。该模型利用这些监督信息指导聚类，从而提升聚类性能。在5个真实文本数据集上的实验表明，DASCM的聚类性能有显著提升。这一结果验证了利用主动学习方法生成的涵盖边缘文本的监督信息对于提升聚类效果是有效的。
基金项目
国家自然科学基金资助项目(62066007)
贵州省科技支撑计划项目(黔科合支撑【2022】一般277)
出版信息
DOI: 10.19734/j.issn.1001-3695.2024.01.0025
出版期卷: 《计算机应用研究》 优先出版, 2024年第41卷 第10期
发布历史
[2024-04-23] 优先出版
引用本文
付艳艳, 黄瑞章, 薛菁菁, 等. 基于主动学习的深度半监督聚类模型 [J]. 计算机应用研究, 2024, 41 (10). (2024-07-12). https://doi.org/10.19734/j.issn.1001-3695.2024.01.0025. (Fu Yanyan, Huang Ruizhang, Xue Jingjing, et al. Deep active semi-supervised clustering model [J]. Application Research of Computers, 2024, 41 (10). (2024-07-12). https://doi.org/10.19734/j.issn.1001-3695.2024.01.0025. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
