PulseAugur
中
实时 19:27:01
English(EN) Compact Geometric Representations of Hierarchies

新研究为层级数据提供紧凑的几何表示

作者 PulseAugur 编辑部 · [2 个来源] ·

一篇新研究论文提出了层级数据的紧凑几何表示方法，特别适用于涉及有向无环图（DAG）的机器学习任务。You 等人的这项工作建立在先前研究的基础上，该研究在处理深度层级结构时面临局限性，需要高维度。该论文为用嵌入表示层级结构提供了理论保证，其维度取决于图的结构参数，证明了有向树的维度为常数 3，而树宽为 $t$ 的图的维度为 $O(t \log n)$。该研究还提供了匹配的下界，并在真实数据集上展示了实际应用，在高召回率场景下实现了显著的降维。 AI

影响 为层级数据中的紧凑嵌入提供了理论保证，有望提高机器学习系统的效率。

排序理由 该集群包含一篇详细介绍机器学习表示理论进展的研究论文。

在 arXiv cs.IR (Information Retrieval) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新研究为层级数据提供紧凑的几何表示

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Prashant Gokhale, Piotr Indyk, Yuhao Liu, Sandeep Silwal, Tony Chang Wang, Haike Xu ·

    紧凑的层级几何表示

    arXiv:2606.18520v1 Announce Type: cross Abstract: Computing geometric representations of data is a cornerstone of modern machine learning, typically achieved by training dual encoders which map queries and documents into a shared embedding space. Recent work of You et al. [NeurIP…

  2. arXiv cs.IR (Information Retrieval) TIER_1 English(EN) · Haike Xu ·

    紧凑型层级几何表示

    Computing geometric representations of data is a cornerstone of modern machine learning, typically achieved by training dual encoders which map queries and documents into a shared embedding space. Recent work of You et al. [NeurIPS '25] has extended this approach to hierarchical …

相关实体

相关话题