论文名:Supporting Clustering with Contrastive Learning
论文来源:NAACL 2021
问题
聚类
在学习过程的开始阶段,不同类别在表征空间中经常存在重叠部分,这给基于距离的聚类实现不同类别之间的划分带来了巨大的挑战
如original所示,在此基础上进行显式聚类效果不太好。而instance-CL正好可以达到将实例分散开,同时在一定程度上隐式的完成实例聚类。
虽然instance-CL会让实例分组在一起,但是对于表示来说,只要不是从同一个实例来的,那么表示就会被分开,所以instance-CL可以作为一种预训练的步骤。
短文本聚类
文本短,导致实例的signal比较弱,因此像tf-idf会产生稀疏的表示向量,缺乏表达能力。因此做embedding
然而这些方法学习过程分多个阶段,每个阶段要独立优化(这里不太理解)
因此将预训练transformer作为骨干网络,以端到端的方式进行优化。
模型
其中使用Contextual Augmenter(Kobayashi, 2018; Ma, 2019)作为增强方式获得增强集
Loss
优化自顶向下的聚类损失和自底向上的实例对比损失
创新点
将对比学习和聚类结合起来,通过联合优化原始数据实例上的聚类损失和关联增强对上的对比损失进行训练,并利用对比学习来促进更好地实现不同语义类别之间的分离。