标签
本文引入了角色感知神经凸散度头，在评估输入凸神经Bregman散度之前应用源角色和目标角色投影，从而为词汇蕴含、句子蕴含和本体层级等任务实现结构化和可解释的非对称距离学习。实验表明，在语义和本体基准上，角色感知投影相较于普通ICNN-Bregman头在方向准确性上持续提升。
提出了一种用于训练输入凸神经网络（ICNN）的“提升”方法，该方法使用无约束的超网络生成非负的层间权重，从而软化损失景观并避免梯度衰减，相比投影梯度下降和softplus重参数化，实现了更低的测试损失。