基于交替投影的期望约束学习
机器学习
2012-05-14 v1 机器学习
摘要
我们提出了一种利用辅助期望约束进行无标签数据学习的目标函数。我们通过交替进行信息投影和矩投影的过程来优化该目标函数。我们的方法提供了后验正则化框架（Graca等人，2008）的另一种解释，在优化过程中保持不确定性（不同于约束驱动学习（Chang等人，2007）），并且比广义期望准则（Mann & McCallum，2008）更高效。该框架的应用包括最小监督学习、半监督学习以及使用比底层模型更具表达力的约束进行学习。在实验中，我们展示了在最小监督学习中与广义期望准则相当的精度，并使用表达性结构约束指导半监督学习，相比最先进的约束驱动学习提供了3%-6%的提升。
引用
@article{arxiv.1205.2660,
title = {Alternating Projections for Learning with Expectation Constraints},
author = {Kedar Bellare and Gregory Druck and Andrew McCallum},
journal= {arXiv preprint arXiv:1205.2660},
year = {2012}
}
备注
Appears in Proceedings of the Twenty-Fifth Conference on Uncertainty in Artificial Intelligence (UAI2009)