ULF:弱い監視に対する交差検証を用いた教師なしラベリング機能補正【JST・京大機械翻訳】

Sedova Anastasiia; Roth Benjamin

プレプリント

J-GLOBAL ID：202202221059752147 整理番号：22P0332151

ULF:弱い監視に対する交差検証を用いた教師なしラベリング機能補正【JST・京大機械翻訳】

ULF: Unsupervised Labeling Function Correction using Cross-Validation for Weak Supervision

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (2件)： ,
資料名：
発行年： 2022年04月14日プレプリントサーバーでの情報更新日： 2024年01月03日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

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】

, , , , , , , ,
, 【Automatic Indexing@JST】

軸受 , 人工知能 , パターン認識

, , , ,

前のページに戻る