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。
表現学習手法は大量の識別訓練データを必要とし,それはヘルスケア,スマート都市,教育のような多くのシナリオで利用できない。実際に,人々は注釈付きラベルを得るためにクラウドソーシングを参照する。しかし,データプライバシー,予算制限,ドメイン特異的注釈の不足のような問題のために,クラウドソースラベルの数は,まだ非常に限られている。さらに,注釈者の多様な専門知識のため,クラウドソースラベルは,しばしば矛盾する。したがって,既存の教師付き表現学習(SRL)アルゴリズムを直接適用することは,過剰適合問題を容易に取得し,準最適解を与える。本論文では,クラウドソースラベルからのSRLのための統一フレームワークであるNeuCrowdを提案した。提案フレームワーク(1)は,安全意識サンプリングとロバストアンカー生成を利用することによって,十分な数の高品質nタプル訓練サンプルを生成する。(2)SRLネットワークのための効果的なサンプルを選択するために適応的に学習するニューラルサンプリングネットワークを自動的に学習する。提案フレームワークを,1つの合成と3つの実世界データセットの両方で評価した。結果は,著者らのアプローチが,予測精度とAUCに関して,広範囲の最先端のベースラインより優れていることを示した。再現可能な結果を奨励するために,著者らのコードを公的に利用可能な。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】