澳门大学×数说故事通用人工智能联合实验室论文被AAAI 2025录用

在数字化浪潮中，品牌生意增长离不开社媒及电商数据洞察，它像精准导航，预知市场机遇，捕捉竞对动态，瞄准增长方向指引品牌优化产品、营销、运营等。但实际应用中，常面临两大痛点：一是海量未标注数据难以利用——例如品牌需分析全网用户对“抗初老”产品的讨论，人工标注的成本高昂，而未标注数据难以直接用于模型训练；二是跨平台数据孤岛——电商、社交、短视频平台数据无法直接互通，导致用户画像片面、分析结果的准确性大打折扣。

近日，澳门大学×数说故事通用人工智能联合实验室最新研究《Progressive Distribution Matching for Federated Semi-Supervised Learning》，提了出渐进分布匹配联邦学习框架FedPDM（Federated Learning with Progressive Distribution Matching），通过约束伪标签分布逐步逼近真实类别先验分布来缓解数据异构性的影响，为解决这一难题提供了突破性的思路和方法。同时，此研究成果成功入选人工智能领域历史最悠久、涵盖内容最广泛的国际顶级学术会议——AAAI 2025。

01

FedPDM——让AI从“半盲”

到“洞察全局”

每10亿条社媒数据（涵盖微博、抖音、小红书等平台），仅不足5%的数据带有人工标签，传统分析方法依赖全标注数据训练模型，成本高且无法适应长尾需求（如小众品类分析、品牌个性化定制标签体系）。在联邦半监督学习（FSSL）加持下，虽能利用未标注数据，却因无标签数据中生成的伪标签的分布偏差导致模型“越学越偏”，例如将“敏感肌”需求误判为“油性肌”，从而影响产品研发指引方向。

为降低标注成本、减少模型训练偏差、提高分析准确度，研究团队提出的FedPDM（Federated Learning with Progressive Distribution Matching）方法，其目标是规范伪标签的分布，使其逐渐与真实标签分布对齐，减轻局部数据异质性对训练的影响，最后实现“低标注成本+高精度建模”。

02

跨越“标注困境”

将“数据荒原”转化为“决策金矿”

实验表明，与其他联邦半监督学习算法相比，FedPDM在多个数据集上展示了更快的收敛速度和更高的准确性，特别是在数据异质性较高的情况下，其优势更为明显。

在混合场景下的 CIFAR-100 数据集上，它比表现最佳的竞争对手高出 4.7%。重要的是，这表明该优势在像 ISIC2018 这样具有更高图像分辨率的大规模数据集上同样适用，从而拓展了其在实际任务中的应用范围。

About

AAAI 2025.