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。
手動データラベリングに対する費用対効果の高い代替案は弱い監視(WS)であり,そこでは,データサンプルを,関連クラスに対して人工ラベルを生成するルールベースメカニズム(LFs)の事前定義セットを用いて自動的に注釈付けする。本研究では,k倍交差検証の原理に基づくWSの雑音低減技術を研究した。著者らは,非監督ラベリング機能補正のための新しいアルゴリズムULFを導入し,それは,すべてのLFsで訓練されたレバーグモデルによってWSデータを雑音除去し,保持されたLFsに特定のバイアスを同定および補正するために,いくつかのLFsを訓練した。特に,ULFは,高信頼交差検証サンプルでこの帰属を再推定することにより,LFのクラスへの割り当てを精密化する。多重データセットの評価は,手動ラベリングの必要性なしにWS学習の強化におけるULFの有効性を確認した。【JST・京大機械翻訳】