研究人员推出 GraphMNL，一个新颖的多模态图负学习框架，旨在解决属性化图中语义不平衡的问题。该方法使用负学习来指导跨越不同语义分支（如文本和图像）的学习，而不是强迫模仿主导分支。GraphMNL 通过可靠性仲裁识别主导和次要分支，并应用保持目标的负学习来抑制不太可能的类别。实验表明，GraphMNL 在 Grocery 数据集上取得了 72.47% 的准确率，在 Reddit M 数据集上取得了 76.60 的 F1 分数，均达到顶级性能。 AI
影响 引入了一种处理多模态属性化图中语义不平衡的新方法，有望改善复杂关系系统的表示学习。
排序理由 该集群包含一篇在 arXiv 上发表的关于新机器学习框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →