非消歧偏标记学习
偏标记学习是一类重要的弱监督机器学习框架.在该框架下,每个对象在输入空间由单个示例进行刻画,在输出空间与一组候选标记相对应,其中仅有一个标记为其真实标记.利用有歧义性的样本进行建模,直观的策略是对候选标记集合进行消歧,然而该策略会受到伪标记的影响,因此有必要考虑从非消歧的角度解决偏标记学习问题.本文将围绕基于消歧、非消歧策略的偏标记学习算法对该领域进行综述.首先,给出偏标记学习的定义以及其与其他相关学习框架的关系.然后对现有几种代表性基于消歧策略的偏标记学习算法进行介绍.接下来重点介绍我们提出的两种基于非消歧策略的偏标记学习算法.最后对本文进行总结并简要讨论进一步的研究方向.
机器学习、弱监督学习、偏标记学习、候选标记、非消歧策略
49
TN081;TP301.6;TP183
国家重点研发计划;国家自然科学基金
2019-10-28(万方平台首次上网日期,不代表论文的发表时间)
共14页
1083-1096