山西大学机器学习与因果推理团队在因果聚类方向取得重要进展

近日，山西大学计算机与信息技术学院机器学习与因果推理团队在因果表征聚类研究方面取得重要进展，相关成果以“Semantic-guided Causal Representation Learning for Personalized Visual Multiple Clustering”为题，发表于人工智能领域国际顶级期刊IEEE Transactions on Pattern Analysis and Machine Intelligence（简称IEEE TPAMI）。论文第一作者为计算机与信息技术学院讲师荆雪纯，通讯作者为曹付元教授，合作者刘静副教授和梁吉业教授，以及合肥工业大学俞奎教授。

聚类是无监督学习中的一种典型方法，在图像分析、模式识别、数据挖掘等许多领域得到了广泛应用。研究团队构建面向个性化视觉多重聚类的跨模态结构因果模型，借鉴因果学习中的后门调整思想，提出语义引导的因果表示学习方法SCR-PMC（见图1），主要在设计视角感知图像编码器，依据后门调整原理解耦不同视角图像特征，学习与用户指定视角相对应的因果视觉表示；提出语义引导的跨模态混杂因素代理构建策略，将非目标视角语义转化为概念级图像扰动，自适应模拟不同目标视角下混杂因素的变化，实现视角相关的视觉干预；推导图像编码器对非目标视角变化的局部敏感性上界，理论分析表明，该方法能够抑制非目标视角干扰，同时保持样本间的局部邻域结构。该研究为大规模图像资源的多维度管理和按需检索提供了新的技术支撑，在电商商品图像管理、数字图像资源整理及个性化视觉检索等领域具有潜在应用价值。

该研究工作依托教育部计算智能与中文信息处理重点实验室开展，得到国家自然科学基金项目（U24A20323、62376145、62376087、62406184）、太行实验室科技研究项目（THYF-KJGG-26010600）、太行实验室重点技术研究项目（THYF-KFKT-25020200）及太原市“双百”研究行动（2024TYJB0127）等支持。（通讯员：张颖）