论文部分内容阅读
从海量且包含噪声的数据中挑选出关键性的特征,即特征选择,一直是机器学习任务中的重要挑战.鉴于此,提出了基于多视角表征学习和注意力机制的特征选择方法.首先,该算法通过多实例生成器为每个样本生成实例包,同时采用特殊的填补方式来保证特征位置不变性.其次,多视角表征模块从多个视角挖掘特征的自身信息及交互信息,并利用注意力机制模块为这些表征计算贡献度权重,最后,分类网络利用权重化表征进行分类.实验结果表明:该模型可以为每个标签挑选出最具代表性的特征群,并在不同类型数据集上取得了性能提升.