利用噪声学习识别与疫情相关的推文
计算与语言
2022-09-27 v1 机器学习
摘要
监督学习算法严重依赖标注数据集来训练机器学习模型。然而，由于涉及人工劳动，标注数据集的构建费力且耗时，已成为监督学习中的巨大瓶颈。在这项工作中，我们应用噪声学习理论来生成弱监督信号以替代人工标注。我们利用标注启发式方法策划了一个噪声标注数据集，用于识别与疫情相关的推文。我们在一个大型疫情语料库上评估了性能，结果表明在类别不平衡和多分类弱监督设定下，使用噪声数据训练的模型取得了超过 90% 的性能。
引用
@article{arxiv.2209.12614,
title = {Identifying epidemic related Tweets using noisy learning},
author = {Ramya Tekumalla and Juan M. Banda},
journal= {arXiv preprint arXiv:2209.12614},
year = {2022}
}
备注
3 pages