ترجمه فارسی مقاله یادگیری متضاد با آگاهی از کلاس و بدون افزایش از نسبت برچسب

چکیده

Learning from Label Proportion (LLP) is a weakly supervised learning scenario in which training data is organized into predefined bags of instances, disclosing only the class label proportions per bag. This paradigm is essential for user modeling and personalization, where user privacy is paramount, offering insights into user preferences without revealing individual data. LLP faces a unique difficulty: the misalignment between bag-level supervision and the objective of instance-level prediction, primarily due to the inherent ambiguity in label proportion matching. Previous studies have demonstrated deep representation learning can generate auxiliary signals to promote the supervision level in the image domain. However, applying these techniques to tabular data presents significant challenges: 1) they rely heavily on label-invariant augmentation to establish multi-view, which is not feasible with the heterogeneous nature of tabular datasets, and 2) tabular datasets often lack sufficient semantics for perfect class distinction, making them prone to suboptimality caused by the inherent ambiguity of label proportion matching. To address these challenges, we propose an augmentation-free contrastive framework TabLLP-BDC that introduces class-aware supervision (explicitly aware of class differences) at the instance level. Our solution features a two-stage Bag Difference Contrastive (BDC) learning mechanism that establishes robust class-aware instance-level supervision by disassembling the nuance between bag label proportions, without relying on augmentations. Concurrently, our model presents a pioneering multi-task pretraining pipeline tailored for tabular-based LLP, capturing intrinsic tabular feature correlations in alignment with label proportion distribution. Extensive experiments demonstrate that TabLLP-BDC achieves state-of-the-art performance for LLP in the tabular domain.

چکیده به فارسی (ترجمه ماشینی)

یادگیری از نسبت برچسب (LLP) یک سناریوی یادگیری ضعیف است که در آن داده های آموزش در کیسه های از پیش تعریف شده از موارد سازماندهی می شود و فقط نسبت برچسب کلاس در هر کیسه را فاش می کند.این الگوی برای مدل سازی و شخصی سازی کاربر ضروری است ، جایی که حریم شخصی کاربر مهم است و بینش هایی در مورد ترجیحات کاربر بدون آشکار کردن داده های فردی ارائه می دهد.LLP با یک مشکل منحصر به فرد روبرو است: سوء استفاده بین نظارت در سطح کیسه و هدف پیش بینی سطح نمونه ، در درجه اول به دلیل ابهام ذاتی در تطبیق نسبت برچسب.مطالعات قبلی نشان داده اند که یادگیری نمایش عمیق می تواند سیگنال های کمکی را برای ارتقاء سطح نظارت در حوزه تصویر ایجاد کند.با این حال ، استفاده از این تکنیک ها در داده های جدولی چالش های مهمی را ارائه می دهد: 1) آنها به شدت به تقویت برچسب-متغیر برای ایجاد چند منظره متکی هستند ، که با ماهیت ناهمگن مجموعه داده های جدولی امکان پذیر نیست ، و 2) مجموعه داده های جداول معمولاً فاقد معانی کافی برای آن هستندتمایز کلاس کامل ، و آنها را مستعد ابتلا به زیرکی ناشی از ابهام ذاتی تطبیق نسبت برچسب می کند.برای پرداختن به این چالش ها ، ما یک چارچوب متضاد متضاد بدون تقویت Tablep-BDC را پیشنهاد می کنیم که نظارت آگاهانه کلاس (صریح از تفاوت های کلاس) را در سطح نمونه معرفی می کند.راه حل ما دارای مکانیسم یادگیری دو مرحله ای اختلاف (BDC) است که با جدا کردن ظرافت بین نسبت برچسب کیف ، بدون تکیه بر افزایش ، نظارت بر سطح آگاه از کلاس آگاه را ایجاد می کند.به طور همزمان ، مدل ما یک خط لوله پیشگام پیشگام چند وظیفه ای متناسب با LLP مبتنی بر جدولی را ارائه می دهد ، و همبستگی ویژگی های جدولی ذاتی را در تراز با توزیع نسبت برچسب ضبط می کند.آزمایش های گسترده نشان می دهد که TableP-BDC به عملکرد پیشرفته برای LLP در دامنه جدولی می رسد.