极端多标签文本分类旨在为每个文本分配大量可能的标签，处理标签数量巨大和数据稀疏性问题。该技术通过高效的特征选择、标签嵌入和深度学习模型，提高分类准确性和速度。极端多标签文本分类广泛应用于搜索引擎、推荐系统和社交媒体分析等领域，能够应对大规模标签空间下的挑战，实现更精细和个性化的文本分类。
极端多标签文本分类-马西洋原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2024/09/17/%e6%9e%81%e7%ab%af%e5%a4%9a%e6%a0%87%e7%ad%be%e6%96%87%e6%9c%ac%e5%88%86%e7%b1%bb/
本报告讲述了隐私计算技术体系的整体架构及主要理论，给出了迁移学习及领域自适应问题的基本概念，通过详细介绍隐私保护政策下最新的去中心化无监督领域自适应论文以及基于隐私保护的模型联邦个…
该研究针对多模态大语言模型生成内容与输入信息不符的“幻觉”问题，提出两种缓解方法：OPERA在推理阶段通过惩罚过信任与回溯重分配机制减少幻觉；HACL在训练阶段引入幻觉文本作为困难…
本次报告分享的主题是基于智能体的自动化漏洞重现方法，报告通过梳理漏洞重现领域的基本发展历程和基本概念，然后讲解两种不同类型的智能体系统构建方法，分别针对通用应用程序漏洞PoV生成和…
大数据时代的到来，同时也带来了隐私、敏感信息保护方面的棘手难题。数据脱敏措施层出不穷，K-Anonymity，L-Diversity，T-Closeness，以及相结合的微聚集算法…
深度学习模型的鲁棒性解释方法旨在提升模型在面对输入扰动或对抗攻击时的解释一致性，是增强模型可信性和应用价值的重要研究方向。本次学术报告介绍了该领域的研究背景与发展现状，重点阐述了M…
人工智能技术在决策系统等领域发挥了重要作用。用于模型训练的数据集中含有显示或者隐式的敏感属性，模型往往会利用敏感属性的特征做出决策，导致人工智能模型在公平性方面出现偏差，产生严重的…
随着官方发布的漏洞数量呈现指数的增长趋势，针对漏洞检测技术的研究应运而生。漏洞种类的多样性以及检测方法的单一性导致漏洞检测结果呈现一定的局限性，随着自然语言处理技术的兴起和专家知识…
本次报告从TCP/IP四层模型出发，讲解了分层模型的原理和意义，并系统地从底层到顶层分别讲解了数据链路层、传输层和网络层这三层的主要协议和这些协议的实现原理。通过此次学术报告可以清…
信息抽取是自然语言处理中的重要组成部分，特别是在当今信息化社会中，从海量数据中抽取出有用的信息显得格外有意义。实体关系抽取是信息抽取的基础任务。现实生活中存在着长尾分布的问题，这导…
目前针对二进制漏洞挖掘主要有三个研究方向：符号执行、污点分析和模糊测试。本次报告首先介绍了污点分析的三个重要…
