抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
通常のクラスラベルを超える機械学習分類タスクのためのデータセットを注釈する多くの方法が実際に存在している。これらは,注釈の収集を単純化または促進することができるので,得られる機械学習モデルにあまり影響しない。これらの多くは,弱いラベルまたはアノテーションの傘項の下で落下する。しかし,異なる代替案がどのように関連するかは必ずしも明確ではない。本論文では,弱い監視設定を目標とする枠組みを提案する。(1)データセット所有者または注釈者は,注釈プロセスを処方する際の弱い監督の中で利用可能なオプションを通してナビゲートをナビゲートし,そして(2)学習プロセスに対する含意を理解することを可能にするように,機械学習実務者へのデータセットのための既存の注釈を記述する。この目的のために,弱い監視を特性化し,既存の手法の大部分をカテゴリー化する一連の次元を考案する鍵要素を同定した。著者らは,文献における共通設定がフレームワークの中で適合し,実際にその可能な使用を議論する。【JST・京大機械翻訳】