数据图谱主动学习
计算与语言
2022-05-10 v3 机器学习
摘要
我们提出了数据图谱主动学习 (CAL)，一种新颖的主动学习 (AL) 算法，该算法利用模型在训练期间对单个实例的行为作为代理，以寻找最具信息量的实例进行标注。CAL 的灵感来自于最近提出的用于深入了解数据集质量的数据图谱 (Swayamdipta et al., 2020)。我们在流行的文本分类任务上将我们的方法与常用的依赖训练后行为的 AL 策略进行了比较。我们证明 CAL 与其他常见的 AL 方法具有竞争力，这表明从少量种子数据导出的训练动态可以成功用于 AL。我们通过利用数据图谱分析批次级统计信息，提供了对我们新 AL 方法的深入理解。我们的结果进一步表明，CAL 形成了一种更具数据效率的学习策略，在使用相当少训练数据的情况下实现了相当或更好的结果。
引用
@article{arxiv.2109.04282,
title = {Cartography Active Learning},
author = {Mike Zhang and Barbara Plank},
journal= {arXiv preprint arXiv:2109.04282},
year = {2022}
}
备注
In Findings EMNLP 2021