International Conference on Learning Representations (ICLR 2022)将于2022年4月25日至29日线上举行。计算机科学与技术学院博士生李长春等人的论文“Who Is Your Right Mixup Partner in Positive and Unlabeled Learning”被录用。论文的第一作者为欧阳继红教授指导的博士生李长春，其他作者包括李熙铭副教授，欧阳继红教授和重庆大学的冯磊教授。

  Mixup技术广泛适用于训练样本较少或监督信息不足场景，并在监督学习和半监督学习中展示了优越的性能。本文提出了一种适用于PU learning（Positive and Unlabeled learning）任务的mixup方法。本文基于“PU learning中分类决策面通常偏向于Positive类一侧”的现象，提出了“边缘伪负样本（marginal pseudo-negative instances）”的概念，这些样本很大概率上为正样本，却被标记为负的，从而导致PU learning的分类决策面偏离问题；据此，提出了面向PU learning的mixup技术的变体：mixup边缘伪负样本和分类决策面附近的正样本。多个数据集上的实验结果证明了本文提出的mixup方法的有效性。

  International Conference on Learning Representations （ICLR）会议是机器学习和深度学习领域的国际顶级会议。