通过弱间接监督创建训练集
机器学习
2022-03-16 v3 应用统计
机器学习
摘要
创建带标签的训练集已成为机器学习中的主要障碍之一。为此，近期的弱监督（Weak Supervision, WS）框架从多个潜在含噪的监督源合成训练标签。然而，现有框架局限于输出空间与目标任务相同的监督源。为扩展可用源的范围，我们提出弱间接监督（Weak Indirect Supervision, WIS），这是一个基于具有不同输出标签空间的间接监督源自动合成训练标签的新研究问题。为克服输出空间不匹配的挑战，我们开发了概率建模方法 PLRM，其利用用户提供的标签关系对间接监督源进行建模与利用。此外，我们给出了 PLRM 对未见标签可区分性的具有理论依据的检验，以及相应的泛化界。在图像与文本分类任务以及工业广告应用中，我们表明 PLRM 以 2%–9% 的优势超越基线方法。
引用
@article{arxiv.2110.03484,
title = {Creating Training Sets via Weak Indirect Supervision},
author = {Jieyu Zhang and Bohan Wang and Xiangchen Song and Yujing Wang and Yaming Yang and Jing Bai and Alexander Ratner},
journal= {arXiv preprint arXiv:2110.03484},
year = {2022}
}
备注
ICLR 2022