程序化弱监督综述
机器学习
2022-02-15 v2 人工智能
应用统计
摘要
标注训练数据已成为使用机器学习的主要障碍之一。在各种弱监督范式中，程序化弱监督 (PWS) 通过以编程方式从多个潜在含噪监督源合成训练标签，在缓解人工标注瓶颈方面取得了显著成功。本文对 PWS 的近期进展进行了全面综述。特别地，我们简要介绍了 PWS 学习范式，并回顾了 PWS 学习工作流中各个组成部分的代表性方法。此外，我们讨论了用于处理有限标注数据场景的补充学习范式，以及这些相关方法如何与 PWS 结合使用。最后，我们指出了该领域中仍未被充分探索的几个关键挑战，以期启发未来的研究方向。
引用
@article{arxiv.2202.05433,
title = {A Survey on Programmatic Weak Supervision},
author = {Jieyu Zhang and Cheng-Yu Hsieh and Yue Yu and Chao Zhang and Alexander Ratner},
journal= {arXiv preprint arXiv:2202.05433},
year = {2022}
}
备注
8 pages