基于主动学习的深度半监督聚类模型.pdfVIP

第４１卷第１０期计算机应用研究Ｖｏｌ４１Ｎｏ１０

２０２４年１０月ＡｐｐｌｉｃａｔｉｏｎＲｅｓｅａｒｃｈｏｆＣｏｍｐｕｔｅｒｓＯｃｔ．２０２４

基于主动学习的深度半监督聚类模型

ａ，ｂ，ｃａ，ｂ，ｃａ，ｂ，ｃａ，ｂ，ｃａ，ｂ，ｃａ，ｂ，ｃ

付艳艳，黄瑞章，薛菁菁，任丽娜，陈艳平，林川

（贵州大学ａ．文本计算与认知智能教育部工程研究中心；ｂ．公共大数据国家重点实验室；ｃ．计算机科学与技

术学院，贵阳５５００２５）

摘要：深度半监督聚类旨在利用少量的监督信息达到更好的聚类效果。然而，由于标注成本昂贵，监督信息

的数量往往是有限的。因此，在监督信息有限的情况下，如何选择对聚类最有价值的监督信息变得至关重要。

针对以上问题，提出了基于主动学习的深度半监督聚类模型（ＤＡＳＣＭ）。该模型设计了一种主动学习方法，能够

挑选出蕴涵丰富信息的边缘文本，并进一步生成蕴涵边缘文本的高价值监督信息。该模型利用这些监督信息指

导聚类，从而提升聚类性能。在５个真实文本数据集上的实验表明，ＤＡＳＣＭ的聚类性能有显著提升。这一结果

验证了利用主动学习方法生成的涵盖边缘文本的监督信息对于提升聚类效果是有效的。

关键词：深度半监督聚类；主动学习；边缘文本

中图分类号：ＴＰ１８１文献标志码：Ａ文章编号：１００１３６９５（２０２４）１００１１２９５５０７

ｄｏｉ：１０．１９７３４／ｊ．ｉｓｓｎ．１００１３６９５．２０２４．０１．００２５

Ｄｅｅｐａｃｔｉｖｅｓｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇｍｏｄｅｌ

ａ，ｂ，ｃａ，ｂ，ｃａ，ｂ，ｃａ，ｂ，ｃａ，ｂ，ｃａ，ｂ，ｃ

ＦｕＹａｎｙａｎ，ＨｕａｎｇＲｕｉｚｈａｎｇ，ＸｕｅＪｉｎｇｊｉｎｇ，ＲｅｎＬｉｎａ，ＣｈｅｎＹａｎｐｉｎｇ，ＬｉｎＣｈｕａｎ

（ａ．ＴｅｘｔＣｏｍｐｕｔｉｎｇ＆ＣｏｇｎｉｔｉｖｅＩｎｔｅｌｌｉｇｅｎｃｅＥｎｇｉｎｅｅｒｉｎｇＲｅｓｅａｒｃｈＣｅｎｔｅｒｏｆＮａｔｉｏｎａｌＥｄｕｃａｔｉｏｎＭｉｎｉｓｔｒｙ，ｂ．ＳｔａｔｅＫｅｙＬａｂｏｒａｔｏｒｙｏｆＰｕｂｌｉｃＢｉｇ

Ｄａｔａ，ｃ．ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ，ＧｕｉｚｈｏｕＵｎｉｖｅｒｓｉｔｙ，Ｇｕｉｙａｎｇ５５００２５，Ｃｈｉｎａ）

Ａｂｓｔｒａｃｔ：Ｄｅｅｐｓｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇａｉｍｓｔｏａｃｈｉｅｖｅｂｅｔｔｅｒｃｌｕｓｔｅｒｉｎｇｒｅｓｕｌｔｓｕｓｉｎｇａｓｍａｌｌａｍｏｕｎｔｏｆｓｕｐｅｒｖｉｓｅｄｉｎｆｏｒ

ｍａｔｉｏｎ．Ｈｏｗｅｖｅｒ，ｔｈｅａｍｏｕｎｔｏｆｓｕｐｅｒｖｉｓｅｄｉｎｆｏｒｍａｔｉｏｎｉｓｏｆｔｅｎｌｉｍｉｔｅｄｄｕｅｔｏｔｈｅｅｘｐｅｎｓｉｖｅｌａｂｅｌｌｉｎｇｃｏｓｔ．Ｔｈｅｒｅｆｏｒｅ，ｗｉｔｈ

ｌｉｍｉｔｅｄｓｕｐｅｒｖｉｓｅｄｉｎｆｏｒｍａｔｉｏｎ，ｉｔｂｅｃｏｍｅｓｃｒｕｃｉａｌｔｏｓｅｌｅｃｔｔｈｅｍｏｓｔｖａｌｕａｂｌｅｓｕｐｅｒｖｉｓｏｒｙｉｎｆｏｒｍａｔｉｏｎｆｏｒｃｌｕｓｔｅｒｉｎｇ．Ｔｏａｄｄｒｅｓｓ

ｔｈｅａｂｏｖｅｐｒｏｂｌｅｍ，ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｄａｄｅｅｐａｃｔｉｖｅｓｅｍｉｓｕｐｅｒｖｉｓｅｄｃｌｕｓｔｅｒｉｎｇｍｏｄｅｌ（ＤＡＳＣＭ）ｗｈｉｃｈｄｅｓｉｇｎｅｄａｎａｃｔｉｖｅ

ｌｅａｒｎｉｎｇｍｅｔｈｏｄｔｈａｔｗａｓａｂｌｅｔｏｓｅｌｅｃｔｍａｒｇｉｎａｌｔｅｘｔｓｃｏｎｔａｉｎｉｎｇｒｉｃｈｉｎｆｏｒｍａｔｉｏｎａｎｄｆｕｒｔｈｅｒｇｅｎｅｒａｔｅｄｈｉｇｈｖａｌｕｅｓｕｐｅｒｖｉｓｅｄ

ｉｎｆｏｒｍａｔｉｏｎｃｏｎｔａｉｎｉｎｇｅｄｇｅｔｅｘｔｓ．Ｔｈｅｍｏｄｅｌｕｓｅｄｔｈｉｓｓｕｐｅｒｖｉｓｅｄｉｎｆｏｒｍａｔｉｏｎｔｏｇｕｉｄｅ