对抗式弱监督方法的收敛行为

通过规则和最小标签监督获取标签数据是弱监督范式的核心内容，这一范式涵盖了众包学习和半监督集成学习等子领域。通过使用此标记数据训练现代机器学习方法，可减轻获取大量手工标记数据成本的压力。合并规则的方法分为两类，反映不同的统计估计意识形态。最常见的方法，以Dawid-Skene模型为例，基于概率建模。另一种方法由Balsubramani-Freund等人提出，是对抗且博弈论的。我们为对抗方法在对数损失下的各种统计结果：我们描述了解的形式，将其与逻辑回归关联，展示其一致性，并给出收敛速率。在另一方面，我们发现针对相同模型类的概率方法可能无法实现一致性。提供实验结果以证实理论结果。