文献

J-GLOBAL ID：202002271537831790   整理番号：20A0807027

木サンプリングによる注釈コスト感受性能動学習【JST・京大機械翻訳】

Annotation cost-sensitive active learning by tree sampling

著者 (2件)： Tsou Yu-Lin (Department of Computer Science and Information Engineering, National Taiwan University, Taipei, Taiwan) ,  Lin Hsuan-Tien (Department of Computer Science and Information Engineering, National Taiwan University, Taipei, Taiwan)
資料名： Machine Learning  (Machine Learning)
巻： 108  号： 5  ページ： 785-807  発行年： 2019年 
JST資料番号： W2199A  ISSN： 0885-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 能動学習は人間のラベリング努力を低減するための重要な機械学習装置である。ほとんどの既存の研究は,各ラベリング質問が同じ注釈コストを持つという簡単な仮定に基づいているが,仮定は現実的ではない。すなわち,注釈コストはデータインスタンス間で実際に変化する可能性がある。さらに,コストは質問を作る前に未知であるかもしれない。従来のアクティブ学習アルゴリズムは,そのような現実的シナリオを扱うことができない。本研究では,各質問の効用とコストを同時に推定する必要があるアノテーション費用に敏感なアクティブ学習アルゴリズムを研究した。著者らは,新しいアルゴリズム,費用に敏感なツリーサンプリングアルゴリズムを提案する。それは,2つの推定タスクを一緒に行い,階層的サンプリングから動機付けられたツリー構造化モデル,従来のアクティブ学習のための有名なアルゴリズムによってそれを解決する。シミュレーションと真のアノテーションコストによるデータセットを用いた広範な実験結果は,提案した方法が他のアノテーションコスト敏感アルゴリズムより一般的に優れていることを検証した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media LLC, part of Springer Nature 2019 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： クラスタ化 ,  学習アルゴリズム ,  ディシジョンツリー ,  アルゴリズム ,  *アノテーション ,  機械学習 ,  感受性
準シソーラス用語： 構造モデル ,  *能動学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 注釈コスト感受性 ,  アクティブ学習 ,  クラスタリング ,  ディシジョンツリー

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 木 ,  サンプリング ,  注釈 ,  感受性 ,  能動学習