用于缓解标签质量问题的交互式重加权

标签质量问题，如噪声标签和类别分布不平衡，会对模型性能产生负面影响。自动重加权方法通过识别有标签质量问题的样本对验证样本的负面影响，并为其分配较低权重。然而，当验证样本本身质量较低时，这些方法无法取得令人满意的性能。为解决此问题，我们开发了 Reweighter，一个用于样本重加权的可视分析工具。验证样本与训练样本之间的重加权关系被建模为一个二分图。基于此图，开发了一种验证样本改进方法以提高验证样本的质量。由于自动改进可能并非总是完美的，我们开发了一种基于共聚类的二分图可视化方法，以展示重加权关系并支持对验证样本和重加权结果进行交互式调整。这些调整被转化为验证样本改进方法的约束，以进一步优化验证样本。我们通过定量评估和两个案例研究，证明了 Reweighter 在改进重加权结果方面的有效性。