我知故我评：基于领域专家知识的无标签评分函数构建
机器学习
2025-04-01 v2 人工智能
摘要
若干现实应用需要从测量观测中构建简洁的定量评分函数（亦称评级系统）。例如，需要使用若干参与度指标为广告活动创建效果评分。专家经常需要在缺乏标注数据的情况下创建此类评分函数，其中评分需反映领域专家所理解的业务洞察与规则。若无系统捕获这些输入的手段，这将成为一个涉及试错的耗时过程。本文中，我们引入一种无标签的实用方法，从多维数值数据中学习评分函数。该方法以易于观测和规定的约束形式纳入领域专家的洞察与业务规则，这些约束被机器学习模型用作弱监督。我们将此类约束转换为损失函数，在学习评分函数的同时一并优化。我们使用一个合成数据集以及四个现实数据集检验了该方法的效能，并比较了其相对于监督学习模型的表现。
引用
@article{arxiv.2203.10085,
title = {I Know Therefore I Score: Label-Free Crafting of Scoring Functions using Constraints Based on Domain Expertise},
author = {Ragja Palakkadavath and Sarath Sivaprasad and Shirish Karande and Niranjan Pedanekar},
journal= {arXiv preprint arXiv:2203.10085},
year = {2025}
}