【顶刊TPAMI 2025】多头编码（MHE）之Part 6：极限分类无需预处理

论文：Multi-Head Encoding for Extreme Label Classification
作者：Daojun Liang, Haixia Zhang, Dongfeng Yuan and Minggao Zhang
单位：山东大学
代码：https://github.com/Anoise/MHE

论文地址：Online，ArXiv，GItHub

背景动机参见 【顶刊TPAMI 2025】多头编码（MHE）之极限分类 Part 1
基础知识参见 【顶刊TPAMI 2025】多头编码（MHE）之极限分类 Part 2
算法实现参见 【顶刊TPAMI 2025】多头编码（MHE）之极限分类 Part 3
表示能力参见 【顶刊TPAMI 2025】多头编码（MHE）之极限分类 Part 4
实验结果参见 【顶刊TPAMI 2025】多头编码（MHE）之极限分类 Part 5
无需预处理见 【顶刊TPAMI 2025】多头编码（MHE）之极限分类 Part 6

请各位同学给我点赞，激励我创作更好、更多、更优质的内容！^_^

关注微信公众号，获取更多资讯

1 标签分解方法的消融研究

为了进一步验证定理3中隐含的结论，即当模型泛化与数据过度拟合时，模型泛化变得与标签的语义无关，本文对模型泛化进行标签分解的消融研究。众所周知，预处理技术的核心是对极端标签进行语义聚类，将其划分为多个易于处理的局部标签。因此，本文将使用标签聚类（LC）的模型与使用标签随机重排和任意分解（LRD）的模型的性能进行比较。

图8：XLC中标签分解预处理(a)与未预处理(b)的比较。$F$是从模型中提取的特征。 C i C_i