最近のマルチビュークラスタリングにおいて、対照学習は高い性能を達成しています。しかし、意味的一貫性を無視した正負サンプル構築メカニズムは偽の負ペアを生じさせ、既存のアルゴリズムの性能向上を制限しています。この問題を解決するために、我々は「Deep Contrastive Multi-view Clustering under Semantic feature guidance (DCMCS)」というマルチビュークラスタリングフレームワークを提案しています。具体的には、ビュー固有の特徴がまず生データから抽出され、ビュー重要度に応じて融合ビュー特徴が得られます。また、インスタンス間コントラスト損失を意味的類似度で重み付けし、DCMCSは偽の負ペア間でコントラスト学習を自動的に弱めます。実験結果は、提案されたフレームワークが最先端の手法よりも優れていることを示しています。
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問