结合对比学习的神经主题模型（论文）
微信扫码沟通，客服可协助直接对接工程师；如当前档期不合，也可继续推荐相似案例作者。
案例介绍
结合对比学习的神经主题模型
1、研究概述
在以Cycle-GAN为基准的神经主题模型中，引入对比学习， 直接对生成器部分产生作用，使模型训练与模型评估对齐，获得一致性更好的“主题-单词”分布。
2、主要工作
采用Cycle-GAN作为基准模型，使对比学习能够直接作用于“主题-单词”分布的学习；
基于Cycle-GAN的结构特性，提出了一种针对主题分布的数据增强方法；
设计了自监督对比损失和判别对比损失，在获得更好“主题-单词”分布的同时，维持模型各部分平衡。
3、研究成果
论文被CCF-A类会议 ACL 2023录用（第一作者）。
1、研究概述
在以Cycle-GAN为基准的神经主题模型中，引入对比学习， 直接对生成器部分产生作用，使模型训练与模型评估对齐，获得一致性更好的“主题-单词”分布。
2、主要工作
采用Cycle-GAN作为基准模型，使对比学习能够直接作用于“主题-单词”分布的学习；
基于Cycle-GAN的结构特性，提出了一种针对主题分布的数据增强方法；
设计了自监督对比损失和判别对比损失，在获得更好“主题-单词”分布的同时，维持模型各部分平衡。
3、研究成果
论文被CCF-A类会议 ACL 2023录用（第一作者）。
结合对比学习的神经主题模型（论文）
联系该工程师
微信扫码，建群沟通
案例介绍
结合对比学习的神经主题模型
1、研究概述
在以Cycle-GAN为基准的神经主题模型中，引入对比学习， 直接对生成器部分产生作用，使模型训练与模型评估对齐，获得一致性更好的“主题-单词”分布。
2、主要工作
采用Cycle-GAN作为基准模型，使对比学习能够直接作用于“主题-单词”分布的学习；
基于Cycle-GAN的结构特性，提出了一种针对主题分布的数据增强方法；
设计了自监督对比损失和判别对比损失，在获得更好“主题-单词”分布的同时，维持模型各部分平衡。
3、研究成果
论文被CCF-A类会议 ACL 2023录用（第一作者）。
案例图片
相似案例推荐
-
Tiamat 小程序
负责主导人工智能生成图片(Text To Image) Ti
-
基于深度学习的单镜头深度估计
我曾经完成了一个基于深度学习的深度估计作品，该项目旨在通过神
-
略.
后端框架：Django, Flask, Tornado 前
-
略。
后端框架：Django, Flask, Tornado 前
-
多协议数据互传工具
多协议数据互传工具是一款非常优秀好用的支持串口、FTP 、
-
暂时无
由于没有，此处应当不填写，目前正在学习和深入了解Python
1小时精推人才
需求方专属客服，免费梳理匹配
扫码加微信 · 客服人工对接
