粗略学习：从粗糙的组比较中估计标签
机器学习
2016-07-04 v1 机器学习
摘要
我们关注的是仅给定数据点上粗糙、聚合的信号来估计个体标签的问题。在我们的设定中，我们接收到的是带有标签比例约束的无标签实例集（“包”）。我们放宽了先前工作中关于已知标签比例的不现实假设；取而代之，我们仅假设拥有上下界以及包间差异的约束。我们阐述了该问题的动机，提出了一个直观的公式化表述和算法，并将我们的方法应用于现实场景。在多个领域中，我们展示了仅使用比例约束且没有任何已标注样本，就能达到令人惊讶的高准确率。特别是，我们演示了如何利用粗略的刻板印象预测收入水平，以及如何利用极少信息进行情感分析。我们还应用该方法指导探索性分析，恢复了 Twitter 方言中的地理差异。
引用
@article{arxiv.1607.00034,
title = {Ballpark Learning: Estimating Labels from Rough Group Comparisons},
author = {Tom Hope and Dafna Shahaf},
journal= {arXiv preprint arXiv:1607.00034},
year = {2016}
}
备注
To appear in the European Conference on Machine Learning and Principles and Practice of Knowledge Discovery (ECML-PKDD) 2016