人工智能学院常毅教授指导的2021级博士研究生程博同学的论文“TC-DWA: Text Clustering with Dual Word-level Augmentation”被国际会议AAAI 2023（CCF A类）接收。本篇论文与吉林大学计算机科学与技术学院李熙铭副教授合作完成。

会议简介：AAAI（The National Conference on Artificial Intelligence）是由国际先进人工智能协会（Association for the Advance of Artificial Intelligence）主办的年会，也是人工智能顶级国际会议。

会议类别：CCF A类会议

第一作者：程博

论文题目：TC-DWA: Text Clustering with Dual Word-level Augmentation

论文概述：预训练语言模型，例如：ELMo和BERT，由于其可以输出单词的强语境化嵌入特征，进一步提高了大量NLP任务的性能。受其启发，本文旨在对预训练模型进行微调，以有效地处理文本聚类任务，即机器学习中的一个经典和基本的挑战。因此，我们提出了一种新颖的基于BERT的方法，即双词级增强文本聚类(TC-DWA)。具体地说，我们制定了一个自训练目标，并用双词级增强技术增强它。避免了现有文本增强技术，即单词插入、单词替换和反向翻译可能存在的问题：产生有噪声的增强样本，并且代价昂贵，可能会阻碍文本聚类任务的进一步性能提高。为了评估TC-DWA的有效性，我们在几个文本数据集上进行了大量的实验。结果表明，TC-DWA的性能始终优于最先进的基线方法。