文章信息
摘要
联合聚类+表征学习,基于 无偏采样 减少 对比学习中 负样本的 假阳性(即,负样本,可能和正样本有相同的类别)
介绍
假阳性问题:在负采样中的存在,导致 采样出的负样本和 正样本节点相同标签导致 被当作负样本,影响性能。
related work
GAE DGI等
方法
1.对比学习
对比学习未考虑类间信息,故之后采用 伪标签 聚类来联合优化
2 DEC的框架
3.无偏采样:
在得到精确的聚类结果后,我们可以从聚类中随机选择不同于正样本聚类的负样本。这样,聚类结果可以作为监测信号,有效地减少负采样过程中的恶性样本。
Debiased contrastive learning. Neu